Pandas value_counts 组总和取决于 groupby.agg 中的另一列 function

Question

我目前正在聚合一组由变量var1 and var2分组和聚合的变量。 假设我确实有连续变量var3, var4, var5 ，我可以在其中轻松计算聚合组内的平均值、标准差、最小值、最大值和中值。 但是，我还有另外两个变量var6 and var7 ，其中var6是分类变量，而连续var7变量显示var6的大小。 我的 dataframe 如下所示：

var1 var2 var3 var4 var5 var6 var7
1    a    3    8     9   0    125
1    a    4    0     12  0    12 
1    a    12   4     12  2    3
1    b    24   5     1   1    45
2    a    1    19    4   1    76
2    a    2    37    12  1    12
2    c    3    93    156 1    341
2    c    57   1     87  2    73
2    c    42   4     95  2    95
3    b    12   11    0   0    11
3    b    119  0     901 0    5

第一部分，我计算分组聚合很容易如下（例如）：

desired_df=my_df.groupby(['var1', 'var2']).agg(
    max_var3=('var3', 'max')
    mean_var4=(var4, 'min'))

我希望在此聚合之上做的是对var6和var7进行分组，并将它们作为新列放在聚合旁边。 以下是我喜欢做的事情：

var1 var2 var6_group0_sum var6_group1_sum var6_group2_sum
1    a        137         0               3
1    b        0           0               45
2    a        0           88              0
2    c        0           341             168
3    b        16           0               0

如何在分组聚合中实现这一点？ 任何帮助表示赞赏。

Answer 1

获取没有分类列的聚合（复制并粘贴您的代码）：

left = (df.groupby(['var1', 'var2'])
         .agg(max_var3=('var3', 'max'),
              mean_var4=('var4', 'min'))
        )

仅获取分类列的聚合：

right = (df.groupby(['var1', 'var2', 'var6'])
           .var7
           .sum()
           .unstack(-1, fill_value = 0)
           .rename(columns = lambda col: f'var6_group{col}_sum')
           .rename_axis(columns = None)
          )

合并两个数据框，注意它们共享相同的索引：

pd.concat([left, right], axis = 1)

           max_var3  mean_var4  var6_group0_sum  var6_group1_sum  var6_group2_sum
var1 var2                                                                        
1    a           12          0              137                0                3
     b           24          5                0               45                0
2    a            2         19                0               88                0
     c           57          1                0              341              168
3    b          119          0               16                0                0