使用 Pandas 嵌套 groupby答案

【问题标题】：Nested groupby using Pandas使用 Pandas 嵌套 groupby
【发布时间】：2022-11-04 00:55:43
【问题描述】：

我想将美国、中国和日本的能源值相加，并将其标记为“group1” 然后按日期、国家、类型和能量值进行分组。

数据

我们按日期和类型分组并取这些特定国家/地区的总和：美国、中国和日本 - 将此组合重命名为 group1

date        country    type energy
8/1/2022    US         aa   10
8/1/2022    US         aa   11
8/1/2022    China      bb   50
8/1/2022    Japan      bb   20
10/1/2022   Australia  bb   5

期望的

date        country   type  energy
8/1/2022    group1    aa    21
8/1/2022    group1    bb    70
10/1/2022   Australia bb    5

正在做

df.groupby(['country','date', 'type'], as_index=False).agg({'energy': sum})

上面的脚本完美地执行了 groupby 和 sum，但在执行此步骤之前不确定如何将某些类别浓缩到一个组中。

任何建议表示赞赏

【问题讨论】：

标签： python pandas numpy group-by

【解决方案1】：

如果你想组合它们，那么首先过滤并将值更改为group1然后进行groupby怎么样？

df.loc[df['country'].isin(['US', 'China', 'Japan']), 'country'] = 'group1'
df.groupby(['date', 'type', 'country'], as_index=False, sort=False).agg({'energy': sum})

        date type    country  energy
0   8/1/2022   aa     group1      21
1   8/1/2022   bb     group1      70
2  10/1/2022   bb  Australia       5

【讨论】：

【解决方案2】：

# define a dictionary to group the countries
d={'US': 'Group-1',
   'China':'Group-1',
   'Japan' :'Group-1'}

# create a group column, based on mapping
# keeping a separate column, to avoid losing original values
# it can very well be a country
df['group']=df['country'].map(d).fillna(df['country'])

# do a groupby
out= df.groupby(['group','date', 'type'], as_index=False).agg({'energy': sum})

    group           date    type    energy
0   Australia   10/1/2022   bb      5
1   Group-1     8/1/2022    aa     21
2   Group-1     8/1/2022    bb     70

【讨论】：