Python Pandas groupby() 结果

Question

我有以下Python Pandas数据框：

df = pd.DataFrame( {
   'A': [1,1,1,1,2,2,2,3,3,4,4,4],
   'B': [5,5,6,7,5,6,6,7,7,6,7,7],
   'C': [1,1,1,1,1,1,1,1,1,1,1,1]
    } );

df
    A  B  C
0   1  5  1
1   1  5  1
2   1  6  1
3   1  7  1
4   2  5  1
5   2  6  1
6   2  6  1
7   3  7  1
8   3  7  1
9   4  6  1
10  4  7  1
11  4  7  1

我想要另外一列用于存储在固定A和B情况下C值之和的结果。换句话说，类似于：

    A  B  C  D
0   1  5  1  2
1   1  5  1  2
2   1  6  1  1
3   1  7  1  1
4   2  5  1  1
5   2  6  1  2
6   2  6  1  2
7   3  7  1  2
8   3  7  1  2
9   4  6  1  1
10  4  7  1  2
11  4  7  1  2

我尝试使用pandas的groupby方法，效果还算可以：

res = {}
for a, group_by_A in df.groupby('A'):
    group_by_B = group_by_A.groupby('B', as_index = False)
    res[a] = group_by_B['C'].sum()

但我不知道如何有序地将res中的结果“获取”到df中。对于此问题的任何建议都会让我非常高兴。谢谢。

- Simon Righley

---

列 D 计算什么？ - Mazz

Answer 1

这是其中一种方法（虽然我感觉应该可以通过 apply 一次性完成，但我无法做到）。

In [11]: g = df.groupby(['A', 'B'])

In [12]: df1 = df.set_index(['A', 'B'])

size分组函数是您需要的函数，我们必须将其与'A'和'B'匹配为索引：

In [13]: df1['D'] = g.size()  # unfortunately this doesn't play nice with as_index=False
# Same would work with g['C'].sum()

In [14]: df1.reset_index()
Out[14]:
    A  B  C  D
0   1  5  1  2
1   1  5  1  2
2   1  6  1  1
3   1  7  1  1
4   2  5  1  1
5   2  6  1  2
6   2  6  1  2
7   3  7  1  2
8   3  7  1  2
9   4  6  1  1
10  4  7  1  2
11  4  7  1  2

- Andy Hayden

---

谢谢 @Andy Hayden！我认为使用 sum 的解决方案更通用。事实上，我在 C 中没有 1（当 size 在你的解决方案中完美运作时），而是一些浮点数，所以为了让它正常工作，我需要使用 sum。但无论如何，太棒了，再次感谢。 - Simon Righley

我认为你梦寐以求的一行代码是 df['D'] = df.groupby(['A', 'B']).transform(np.size)。在好坏时期，transform 就在那里。:-D - Dan Allan

@DanAllan，列D是如何计算的？ - Mazz

Answer 2

您还可以使用应用于groupby的transform来完成一行代码：

df['D'] = df.groupby(['A','B'])['C'].transform('sum')

- DrTRD

Answer 3

您还可以使用合并操作来实现一行代码的解决方案，如下所示：

df = df.merge(pd.DataFrame({'D':df.groupby(['A', 'B'])['C'].size()}), left_on=['A', 'B'], right_index=True)

- andrew

Answer 4

你可以使用以下方法：

你可以使用这种方法：

columns = ['col1','col2',...]
df.groupby('col')[columns].sum()

如果您想要的话，您也可以在.sum()之后使用.sort_values(by = 'colx', ascending = True/False)来按照特定列（colx）以升序或降序对最终输出进行排序。

- Mohsen