Groupby 多索引熊猫系列使用 agg 求和并应用列表答案

【问题标题】：Groupby multiindex pandas series using agg to sum AND apply listGroupby 多索引熊猫系列使用 agg 求和并应用列表
【发布时间】：2019-03-27 12:46:23
【问题描述】：

我有两个多索引系列

系列 1

Company Name     Product     Price        TransactionID
Company A        Apple       10           T0001
Company B        Grapes      20           T0002
                 Orange      30           T0003

系列 2

Company Name     Product     Price        TransactionID
Company A        Orange      10           T0004
                 Apple       20           T0005
Company B        Orange      20           T0006

我想形成如下的系列

Company Name     Product     Sum_price    TransactionID
Company A        Orange      10           [T0004]
                 Apple       30           [T0001,T0005]
Company B        Orange      50           [T0003,T0006]
                 Grapes      20           [T0002]

来自Group dataframe and get sum AND count? 表明我可以使用 .agg 同时进行求和和计数，但是如何将 .apply(list) 和求和一起应用？现在，我已经应用了代码Pandas: adding multiindex Series/Dataframes containing lists 来形成两个系列，一个是 sum，另一个是带有 transactionID 的系列。我想我可以将两个系列连接在一起，但我只是想看看是否有更好的方法。

【问题讨论】：

标签： python pandas

【解决方案1】：

使用concat 与aggregate 与sum 聚合并转换为list：

df = (pd.concat([df1, df2])
        .groupby(['Company Name', 'Product'], as_index=False)
        .agg({'Price':'sum', 'TransactionID': lambda x: x.tolist()})
     )
print (df)
  Company Name Product  Price   TransactionID
0    Company A   Apple     30  [T0001, T0005]
1    Company A  Orange     10         [T0004]
2    Company B  Grapes     20         [T0002]
3    Company B  Orange     50  [T0003, T0006]

【讨论】：

如果是pandas系列而不是dataframe，会不会不一样？
@PlataleaMinor - 尝试将 pd.concat([df1, df2]) 更改为 pd.concat([df1.reset_index(), df2.reset_index()])

【解决方案2】：

您可以先像这样连接两个数据框：

df3 = pd.concat([df1, df2])

之后，您可以使用 groupby agg 进行求和，也可以使用 lambda 函数连接列表

df3 = df3.groupby(['Company', 'Name', 'Product']).agg({'Price':sum, 'TransactionID': lambda x: [i for i in x]})

然后您将得到所需的输出，如下所示：

Company Name     Product     Sum_price    TransactionID
Company A        Orange      10           [T0004]
                 Apple       30           [T0001,T0005]
Company B        Orange      50           [T0003,T0006]
                 Grapes      20           [T0002]

【讨论】：