Pandas

Question

我有这样一个数据框：

import pandas as pd
import numpy as np

df = pd.DataFrame({"ind0": list("QQQWWWW"), "ind1": list("RRRRSSS"), "vals": range(7), "cols": list("XXYXXYY")})    
print(df)

输出：

  ind0 ind1  vals cols
0    Q    R     0    X
1    Q    R     1    X
2    Q    R     2    Y
3    W    R     3    X
4    W    S     4    X
5    W    S     5    Y
6    W    S     6    Y

我想在从 col 创建列时聚合值，所以我想到了使用 pivot_table:

df_res = df.pivot_table(index=["ind0", "ind1"], columns="cols", values="vals", aggfunc=np.sum).fillna(0)    
print(df_res)

这给了我：

cols         X     Y
ind0 ind1           
Q    R     1.0   2.0
W    R     3.0   0.0
     S     4.0  11.0

但是，我宁愿获得独立于 ind1 类别的总和，同时保留此列中的信息。因此，所需的输出将是：

cols         X    Y
ind0 ind1          
Q    R       1.0  2.0
W    R,S     7.0  11.0

有没有办法为此使用 pivot_table 或 pivot，或者我是否必须在第二步中聚合 ind1？如果是后者，怎么办？

Answer 1

您可以 reset_index of df_res 和 groupby "ind0" 并使用 agg，在列上使用不同的函数：joining 的唯一值“ind1”和sum命名为“X”和“Y”。

out = df_res.reset_index().groupby('ind0').agg({'ind1': lambda x: ', '.join(x.unique()), 'X':'sum', 'Y':'sum'})

或者如果您有多个列需要执行相同的功能，您也可以使用字典理解：

funcs = {'ind1': lambda x: ', '.join(x.unique()), **{k:'sum' for k in ('X','Y')}}
out = df_res.reset_index().groupby('ind0').agg(funcs)

输出：

cols  ind1    X     Y
ind0                 
Q        R  1.0   2.0
W     R, S  7.0  11.0

Pandas - 使用 pivot_table 聚合多个列

Pandas - aggregate multiple columns with pivot_table

python

aggregate

dataframe

pandas-groupby