Pandas数据框，如何按多列分组并对特定列应用求和，并添加新的计数列？

Question

假设有一个数据框 df1 如下：

Col1    Col2    Col3    Col4    Col5
-------------------------------------
A       1       AA      10      Test1
A       1       AA      5       Test2
A       2       AB      30      Test3
B       4       FF      10      Test4
C       1       HH      4       Test7
C       3       GG      6       Test8
C       3       GG      7       Test9
D       1       AA      4       Test5
D       3       FF      6       Test6

• 我想按Col1、Col2和Col3分组，并

• 添加新列Count：每个组的大小

• 添加新列Col4_sum：每个组中Col4的总和

---

需要的输出

Col1    Col2    Col3    Count   Col4_sum
----------------------------------------
A       1       AA      2       15
A       2       AB      1       30
B       4       FF      1       10
C       1       HH      1       4
C       3       GG      2       13
D       1       AA      1       4
D       3       FF      1       6

我会尝试使用。

df1.groupby(['Col1','Col2','Col3']).size 

但只获取Count列。

- Paitoon Gunhong

Answer 1

使用元组来指定聚合函数的新列名称，可以使用GroupBy.agg。

df = (df1.groupby(['Col1','Col2','Col3'])['Col4']
         .agg([('Count','size'), ('Col4_sum','sum')])
         .reset_index())
print (df)
  Col1  Col2 Col3  Count  Col4_sum
0    A     1   AA      2        15
1    A     2   AB      1        30
2    B     4   FF      1        10
3    C     1   HH      1         4
4    C     3   GG      2        13
5    D     1   AA      1         4
6    D     3   FF      1         6

在pandas 0.25+中，可以使用命名汇总功能：

df = (df1.groupby(['Col1','Col2','Col3'])
         .agg(Count=('Col5', 'size'), Col4_sum=('Col4', 'sum'))
         .reset_index())
print (df)
  Col1  Col2 Col3  Count  Col4_sum
0    A     1   AA      2        15
1    A     2   AB      1        30
2    B     4   FF      1        10
3    C     1   HH      1         4
4    C     3   GG      2        13
5    D     1   AA      1         4
6    D     3   FF      1         6

- jezrael

---

非常感谢。还有一个问题，我如何将自定义函数应用于Col4而不是sum函数。 - Paitoon Gunhong

如果@PaitoonGunhong等于0，则将“'sum'”更改为“custom_func”。 - jezrael

Answer 2

您可以使用一个包含列名和聚合函数的字典。请参见https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.aggregate.html。

>>> df = pd.DataFrame([[1, 2, 3],
...                    [4, 5, 6],
...                    [7, 8, 9],
...                    [np.nan, np.nan, np.nan]],
...                   columns=['A', 'B', 'C'])
>>> df.agg({'A' : ['sum', 'min'], 'B' : ['min', 'max']})
#         A    B
# max   NaN  8.0
# min   1.0  2.0
# sum  12.0  NaN

- KPLauritzen

Answer 3

这应该可以解决你的问题。

df2 = df.groupby(['Col1','Col2','Col3'])['Col4'].agg('sum')

- Natheer Alabsi

Answer 4

您可以使用函数pivot_table：

df = pd.pivot_table(df, index=['Col1', 'Col2', 'Col3'], values='Col4', aggfunc=['count', 'sum']).reset_index()
df.columns = ['Col1', 'Col2', 'Col3', 'Count', 'Col4_sum']

输出：

  Col1  Col2 Col3  Count  Col4_sum
0    A     1   AA      2        15
1    A     2   AB      1        30
2    B     4   FF      1        10
3    C     1   HH      1         4
4    C     3   GG      2        13
5    D     1   AA      1         4
6    D     3   FF      1         6

- Mykola Zotko

Answer 5

另一个稍微啰嗦一点且还没有被提到的解决方案是使用assign函数，用法如下：

df = df1.assign(Count=df1.groupby(['Col1','Col2','Col3']).Col4.transform('size'))
        .assign(Col4_sum=df1.groupby(['Col1','Col2','Col3']).Col4.transform('sum'))
        .reset_index()

- nicholas

Answer 6

使用agg函数和字典，您可以定制输出，如下所示

df.groupby(['Col1','Col2','Col3']).agg({'Col3': ['count'], 'Col4': ['count','sum']})

这应该返回Col1、Col2和Col3的一个分组，同时聚合Col3的计数，然后是Col4的计数和总和

- kcEmenike