基於多個熊貓列的唯一值進行分組

Question

我有以下數據框（有數千行，這只是一個示例）：

cluster_id     bin_time     trial_time           spikes
1               0               0.5                1
2               5               0.7                0 
6               0               0.5                5
3               5               0.7                0
2               5               0.5                1
8.              0.              0.7.               0

前三列有一些重復的值。 我想對峰值進行分組（最后一列），以便對於每個唯一的 trial_time 和 bin_time 的唯一值，我得到峰值的總和。 具有不同 cluster_id 的尖峰應該只是根據它們所屬的試驗和 bin_time 組合在一起（合計起來，這個維度可以消失）。

最后，我試圖獲得一個矩陣，該矩陣在 Y 軸上具有唯一的 trial_time 坐標，在 X 軸上具有唯一的 bin_time 坐標，並且每個條目都是尖峰的總和（所以我不關心基於 'cluster_id '）。

這是我嘗試過的：

new_df = groupby('trial_time')['spikes']apply(lambda x: list(x))

但這仍然給我每個 trial_time 太多基於 cluster_id 的重復值......

非常感謝任何幫助！ 我很困。

對於我給出的小示例數據，我想要一個 2D np 數組的輸出：

trial 0.5, bin time 0 --> count of total 1+5=6 spikes
trial 0.5, bin time 5 --> count of total 1 spike
trial 0.7, bin time 0 --> count of 0 spikes
trial 0.7, bin time 5 --> count of 0+0 = 0

所以理想情況下，一個只有尖峰數的二維數組。

Answer 1

按兩列分組並通過求和聚合。 分組時不要使用第一列，因為您不關心它。

qf = df.iloc[:,1:].groupby(['bin_time','trial_time']).agg(sum)
#qf = df.loc[:,['bin_time','trial_time','spikes']].groupby(['trial_time','bin_time']).agg(sum)

---

trial_time bin_time
0.5        0.0            6
           5.0            1
0.7        5.0            0
0.7.       0.0            0