使用 Pandas 数据框按两列分组，计数和求和

Question

我有以下的数据框，我想按'Name'分组，使得有一个'A'和'B'计数列以及一个'total sales'总和列：

例如把这个转换成：

data = {'A or B' : ['A','A','B','B','A','B'],
        'Name' : ['Ben','Ben','Ben','Sam','Sam','Sam'],
        'Sales ($)' : [10,5,2,5,6,7]
       }

df=pd.DataFrame(data, columns = ['A or B','Name','Sales ($)'])

所以它看起来像这样：

grouped_data = {'A' : [2,1],
        'B' : [1,2],
        'Name' : ['Ben','Sam'],
        'Total Sales ($)' : [17,18]
       }

df=pd.DataFrame(grouped_data, columns = ['A','B','Name','Total Sales ($)'])

- Ben H

---

这是带有聚合函数的分组操作，请查看官方文档~ - BENY

Answer 1

你可以尝试使用 pd.get_dummies、join 和 groupby+sum 来完成。

pd.get_dummies(df['A or B'])\
  .join(df.drop('A or B',1))\
  .groupby('Name',as_index=False).sum()

输出：

  Name  A  B  Sales ($)
0  Ben  2  1         17
1  Sam  1  2         18

细节：

首先，使用get_dummies将分类变量转换为虚拟/指示变量：

pd.get_dummies(df['A or B'])
#   A  B
#0  1  0
#1  1  0
#2  0  1
#3  0  1
#4  1  0
#5  0  1

然后使用join函数，将虚拟变量与没有'A or B'列的原始数据框连接:

pd.get_dummies(df['A or B']).join(df.drop('A or B',1))
#   A  B Name  Sales ($)
#0  1  0  Ben         10
#1  1  0  Ben          5
#2  0  1  Ben          2
#3  0  1  Sam          5
#4  1  0  Sam          6
#5  0  1  Sam          7

最后，根据名称执行groupby+sum操作：

pd.get_dummies(df['A or B']).join(df.drop('A or B',1)).groupby('Name',as_index=False).sum()
#  Name  A  B  Sales ($)
#0  Ben  2  1         17
#1  Sam  1  2         18

- MrNobody33

Answer 2

您可以在groupby内部使用聚合。

df.groupby(['Name']).agg(A = ('A or B', lambda x: (x=='A').sum())
                        ,B = ('A or B', lambda x: (x=='B').sum())
                        ,total = ('Sales ($)', 'sum')).reset_index()
#output
    Name    A   B   total
0   Ben     2   1   17
1   Sam     1   2   18

- Terry

Answer 3

逐步解决方案：

import pandas as pd
data = {'A or B' : ['A','A','B','B','A','B'],
        'Name' : ['Ben','Ben','Ben','Sam','Sam','Sam'],
        'Sales ($)' : [10,5,2,5,6,7]
       }

df=pd.DataFrame(data, columns = ['A or B','Name','Sales ($)'])

#first create dummy for 'A or B' column
y = pd.get_dummies(df['A or B'])

#concatenate with original data frame
df=pd.concat([y,df], axis=1)
#delete the column
del df['A or B']

#now do the group by
df=df.groupby('Name').agg({'A':'sum',
                         'B':'sum', 
                         'Sales ($)': 'sum'})

#reset the index
df.reset_index(level=0, inplace=True)
print(df)

输出：

  Name  A  B  Sales ($)
0  Ben  2  1         17
1  Sam  1  2         18

- vipul singhal