根据 pandas 数据框内的列对行求和

Question

我对 pandas 很陌生，但我使用 python 的水平很好。

我有一个 pandas 数据框，其结构如下

idrun    idbasin    time    q
-192540      1        0     0
-192540      1        1     0.5
...
-192540      2        0     0
-192540      2        1     1
...
-192540      3        0     0
-192540      3        1     1
...
-192541      1        0     0
-192541      1        1     0.5
...
-192541      2        0     0
-192541      2        1     1
...
-192541      3        0     0
-192541      3        1     1
...

这是一个相当大的数据框（7 列和 ~600k 行）。

我想做的是：给定一个元组，其中包含引用 idbasin 列的值（例如 (1,2)），如果 idrun 值相同

1. 对引用的 idbasin 值的 q 列求和，即对于示例，它将是 (1,2)
2. 删除与该 idrun 值和元组指定的 idbasin 值对应的行
3. 插入求和值 idbasin 等于元组的第一个数字。

参考我的示例df，结果将是

idrun    idbasin    time    q
-192540      1        0     0
-192540      1        1     1.5
...
-192540      3        0     0
-192540      3        1     1
...
-192541      1        0     0
-192541      1        1     1.5
...
-192541      3        0     0
-192541      3        1     1
...

我的解决方案是使用 groupby 将 df 转换为 dict，然后使用一两个 for 循环执行操作，但我知道迭代 pandas 不是最佳解决方案，所以我相信可能会有一个使用 df.

的“pandas”解决方案

Answer 1

您可以用 Series.mask 中元组的第一个值替换元组的值，然后聚合 sum:

tup = (1, 2)

df['idbasin'] = df['idbasin'].mask(df['idbasin'].isin(tup), tup[0])
#alternative
#df['idbasin'] = np.where(df['idbasin'].isin(tup), tup[0], df['idbasin'])
df = df.groupby(['idrun', 'idbasin','time'], as_index=False)['q'].sum()
print (df)
    idrun  idbasin  time    q
0 -192541        1     0  0.0
1 -192541        1     1  1.5
2 -192541        3     0  0.0
3 -192541        3     1  1.0
4 -192540        1     0  0.0
5 -192540        1     1  1.5
6 -192540        3     0  0.0
7 -192540        3     1  1.0