Groupby 多索引熊猫系列使用 agg 求和和应用列表

Question

我有两个多索引系列

系列 1

Company Name     Product     Price        TransactionID
Company A        Apple       10           T0001
Company B        Grapes      20           T0002
                 Orange      30           T0003

系列2

Company Name     Product     Price        TransactionID
Company A        Orange      10           T0004
                 Apple       20           T0005
Company B        Orange      20           T0006

我想形成如下系列

Company Name     Product     Sum_price    TransactionID
Company A        Orange      10           [T0004]
                 Apple       30           [T0001,T0005]
Company B        Orange      50           [T0003,T0006]
                 Grapes      20           [T0002]

从组数据框中获取总和和计数？ 表明我可以使用 .agg 来同时计算 sum 和 count，但是如何同时应用 .apply(list) 和 sum 呢？ 现在，我已经应用了代码Pandas：添加包含列表的多索引系列/数据帧以形成两个系列，一个是 sum，另一个是带有 transactionID 的系列。 我想我可以将两个系列连接在一起，但我只是想看看是否有更好的方法来做到这一点。

Answer 1

您可以先像这样连接两个数据帧：

df3 = pd.concat([df1, df2])

在此之后，您可以使用 groupby agg 进行求和，也可以使用 lambda 函数来连接列表

df3 = df3.groupby(['Company', 'Name', 'Product']).agg({'Price':sum, 'TransactionID': lambda x: [i for i in x]})

然后，您将获得所需的输出，如下所示：

Company Name     Product     Sum_price    TransactionID
Company A        Orange      10           [T0004]
                 Apple       30           [T0001,T0005]
Company B        Orange      50           [T0003,T0006]
                 Grapes      20           [T0002]

Answer 2

使用concat with aggregate by aggregate with sum并转换为list ：

df = (pd.concat([df1, df2])
        .groupby(['Company Name', 'Product'], as_index=False)
        .agg({'Price':'sum', 'TransactionID': lambda x: x.tolist()})
     )
print (df)
  Company Name Product  Price   TransactionID
0    Company A   Apple     30  [T0001, T0005]
1    Company A  Orange     10         [T0004]
2    Company B  Grapes     20         [T0002]
3    Company B  Orange     50  [T0003, T0006]