![](/img/trans.png)
[英]Pandas dataframe, how can I group by single column and apply sum to multiple column and add new sum column?
[英]Pandas dataframe, how can I group by multiple columns and apply sum for specific column and add new count column?
給定一個 dataframe df1 如下:
Col1 Col2 Col3 Col4 Col5
-------------------------------------
A 1 AA 10 Test1
A 1 AA 5 Test2
A 2 AB 30 Test3
B 4 FF 10 Test4
C 1 HH 4 Test7
C 3 GG 6 Test8
C 3 GG 7 Test9
D 1 AA 4 Test5
D 3 FF 6 Test6
我想按 Col1、Col2 和 Col3 分組,
添加新列計數:每組的大小
添加新列 Col4_sum:每組中每個 Col4 的總和
Output 需要
Col1 Col2 Col3 Count Col4_sum
----------------------------------------
A 1 AA 2 15
A 2 AB 1 30
B 4 FF 1 10
C 1 HH 1 4
C 3 GG 2 13
D 1 AA 1 4
D 3 FF 1 6
我嘗試使用
df1.groupby(['Col1','Col2','Col3']).size
但只得到 Count 列。
將GroupBy.agg
與元組一起使用以指定具有新列名稱的聚合 function:
df = (df1.groupby(['Col1','Col2','Col3'])['Col4']
.agg([('Count','size'), ('Col4_sum','sum')])
.reset_index())
print (df)
Col1 Col2 Col3 Count Col4_sum
0 A 1 AA 2 15
1 A 2 AB 1 30
2 B 4 FF 1 10
3 C 1 HH 1 4
4 C 3 GG 2 13
5 D 1 AA 1 4
6 D 3 FF 1 6
在 pandas 0.25+ 中可以使用named aggregation
:
df = (df1.groupby(['Col1','Col2','Col3'])
.agg(Count=('Col5', 'size'), Col4_sum=('Col4', 'sum'))
.reset_index())
print (df)
Col1 Col2 Col3 Count Col4_sum
0 A 1 AA 2 15
1 A 2 AB 1 30
2 B 4 FF 1 10
3 C 1 HH 1 4
4 C 3 GG 2 13
5 D 1 AA 1 4
6 D 3 FF 1 6
您可以使用列名和聚合函數的字典。 見https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.aggregate.html
>>> df = pd.DataFrame([[1, 2, 3],
... [4, 5, 6],
... [7, 8, 9],
... [np.nan, np.nan, np.nan]],
... columns=['A', 'B', 'C'])
>>> df.agg({'A' : ['sum', 'min'], 'B' : ['min', 'max']})
# A B
# max NaN 8.0
# min 1.0 2.0
# sum 12.0 NaN
另一個更冗長且未提及的解決方案是使用分配 function ,如下所示:
df = df1.assign(Count=df1.groupby(['Col1','Col2','Col3']).Col4.transform('size'))
.assign(Col4_sum=df1.groupby(['Col1','Col2','Col3']).Col4.transform('sum'))
.reset_index()
這應該可以解決您的問題。
df2 = df.groupby(['Col1','Col2','Col3'])['Col4'].agg('sum')
使用 agg function 和字典,您可以像這樣自定義 output
df.groupby(['Col1','Col2','Col3']).agg({'Col3': ['count'], 'Col4': ['count','sum']})
這應該為 Col1、Col2 和 Col3 返回一個組,同時聚合 Col3 的計數,然后是 Col4 的計數和總和
您可以使用 function pivot_table
:
df = pd.pivot_table(df, index=['Col1', 'Col2', 'Col3'], values='Col4', aggfunc=['count', 'sum']).reset_index()
df.columns = ['Col1', 'Col2', 'Col3', 'Count', 'Col4_sum']
Output:
Col1 Col2 Col3 Count Col4_sum
0 A 1 AA 2 15
1 A 2 AB 1 30
2 B 4 FF 1 10
3 C 1 HH 1 4
4 C 3 GG 2 13
5 D 1 AA 1 4
6 D 3 FF 1 6
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.