Pandas按条件进行groupby.agg

Question

我有一个类似于这样的pandas数据框：

姓名	销售额	利润	利润标志
乔	200	100	是
乔	300	150	否
马克	200	100	是
马克	300	150	是
朱迪	300	150	否

实际数据框有100列。

这个想法是：我想按名称分组，并聚合所有列。但是，某些列取决于一个标志。在这种情况下，无论如何都将聚合sales，但只有当profit_flag为True时才应包括在聚合中。

如果我们使用sum，它应该看起来像这样：

名称	销售额	利润
乔	500	100
朱迪	300	Nan
马克	500	250

有没有办法可以使用df.groupby('name').agg()一行代码完成？

目前我正在使用：

grouped = pd.DataFrame()
grouped['sales'] = df.groupby('name').sales.sum()
grouped['profit'] = df[df.profit_flag].groupby('name').profit.sum()

我得到了正确的结果，但由于实际数据框有更多的列，我想知道是否可以写出像这样的东西来避免混乱：

grouped = df.groupby('name').agg({
          'sales': 'sum',
          'profit' 'sum' #if profit_flag })

这个可行吗，还是我应该将“标志依赖列”分组在单独的语句中？

- Samba

Answer 1

在聚合之前，您可以掩盖这些值：

(df.assign(profit=lambda d: d['profit'].where(d['profit_flag']))
   .groupby('name', as_index=False)[['sales', 'profit']].sum(min_count=1)
)

输出：

   name  sales  profit
0   Joe    500   100.0
1  Judy    300     NaN
2  Mark    500   250.0

- mozway

---

你可以在不选择列的情况下，使用 pop('profit_flag')：df.assign(profit=lambda x: x['profit'].where(x.pop('profit_flag'))).groupby('name').sum(min_count=1) - Corralien

好的，我明白了。但在这种情况下，您不需要使用 lambda：df.assign(profit=df['profit'].where(df['profit_flag'])).groupby('name', as_index=False)[['sales', 'profit']].sum(min_count=1)。为什么要重新评估数据框呢？ - Corralien

也许这是真的，但养成好习惯从来不会有坏处 ;) - mozway

谢谢！我可能会在一个语句中分配所有基于标志的列，然后使用.agg在另一个语句中聚合所有列。 - Samba

使用.assign(**{'name with %': ...})。 - mozway