[英]Pandas dataframe, groupBy aggregate multiple columns and rows
我有一个如下所示的 Pandas DataFrame:
supply_area transaction_date price
0 54.98 2006-03-31 48500.0
0 54.98 2006-04-30 48500.0
0 54.98 2006-05-31 48500.0
1 67.28 2006-01-31 54500.0
1 67.28 2006-02-28 54500.0
1 67.28 2006-03-31 54500.0
我想按 supply_area 与一个连接 transaction_date 和 price 的列进行分组,如下所示:
supply_area transaction_date_price price
0 54.98 2006-03-31,48500.0,2006-04-30,48500.0,2006-05-31,48500.0
1 67.28 2006-01-31,54500.0,2006-02-28,54500.0,2006-03-31,54500.0
我已经尝试过这个和其他一些事情,但它不起作用。
df = df.groupby('supply_area').agg(
{'supply_area': 'first', 'transaction_date': ','.join, 'price': ','.join})
我对 python 和 pandas lib 还很陌生,所以我不确定我想要的是否可行。
提前致谢!
您可以使用第一个连接创建一个新列(此处称为“joined”,但任何名称都可以),然后在groupby上连接:
df['joined'] = (df['transaction_date'] + ',' + df['price'].astype(str))
df.groupby('supply_area', as_index=False)['joined'].apply(','.join)
输出:
supply_area joined
0 54.98 2006-03-31,48500,2006-04-30,48500,2006-05-31,48500
1 67.28 2006-01-31,54500,2006-02-28,54500,2006-03-31,54500
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.