Python数据框如何按一列分组并获得其他列的总和

Question

我想创建一个新的数据框，它有 2 列，按Striker_Id和其他列分组， Striker_Id列具有与分组的 'Striker_Id' 相对应的 'Batsman_Scored' 总和

例如：

Striker_ID  Batsman_Scored
1            0
2            8 
...

我试过这个ball.groupby(['Striker_Id'])['Batsman_Scored'].sum()但这就是我得到的：

Striker_Id
1      0000040141000010111000001000020000004001010001...
2      0000000446404106064011111011100012106110621402...
3      0000121111114060001000101001011010010001041011...
4      0114110102100100011010000000006010011001111101...
5      0140016010010040000101111100101000111410011000...
6      1100100000104141011141001004001211200001110111...

它不求和，只连接所有数字。 什么是替代方案？

Answer 1

出于某种原因，您的列被加载为字符串。 从 CSV 加载它们时，尝试应用转换器 -

df = pd.read_csv('file.csv', converters={'Batsman_Scored' : int})

或者，

df = pd.read_csv('file.csv', converters={'Batsman_Scored' : pd.to_numeric})

如果这不起作用，则在加载后转换为整数 -

df['Batsman_Scored'] = df['Batsman_Scored'].astype(int)

或者，

df['Batsman_Scored'] = pd.to_numeric(df['Batsman_Scored'], errors='coerce')

现在，执行 groupby 应该可以工作 -

r = df.groupby('Striker_Id')['Batsman_Scored'].sum() 

---

无法访问您的数据，我只能推测。 但似乎在某些时候，您的数据包含非数字数据，这些数据会阻止 Pandas 执行转换，导致这些列被保留为字符串。 在您实际加载并执行类似操作之前，要查明这些有问题的数据有点困难

df.col.str.isdigit().any()

这会告诉您是否有任何非数字项。 请注意，它仅适用于整数，不能像这样调试浮点列。

此外，查看哪些列具有损坏数据的另一种方法是查询dtypes -

df.dtypes

这将为您提供所有列及其数据类型的列表。 使用它来确定哪些列需要解析 -

for c in df.columns[df.dtypes == object]:
    print(c)

然后，您可以应用上述方法来修复它们。