Pandas：将数组求和作为具有多个 groupby 列的聚合

Question

我正在使用 Python 3.5.1 和 Pandas 0.18.0。

假设我有一个包含多列的 Pandas 数据框。数据框有一列包含一个 numpy 数组。这是一个例子：

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame([{'A': 'Label1', 'B': 'yellow', 'C': np.array([0,0,0]), 'D': 1},
                       {'A': 'Label2', 'B': 'yellow', 'C': np.array([1,1,1]), 'D': 4},
                       {'A': 'Label1', 'B': 'yellow', 'C': np.array([1,0,1]), 'D': 2},
                       {'A': 'Label2', 'B': 'green', 'C': np.array([1,1,0]), 'D': 3}])
>>> df
        A       B          C  D
0  Label1  yellow  [0, 1, 0]  1
1  Label2  yellow  [1, 1, 1]  4
2  Label1  yellow  [1, 0, 1]  2
3  Label2   green  [1, 1, 0]  3

我想创建一个按列 A 和 B 分组的数据框，并将列 C 和 D 与总和聚合在一起。 像这样：

               C         D
A      B
Label1 yellow  [1, 1, 1] 3
Label2 green   [1, 1, 0] 3
       yellow  [1, 1, 1] 4

当我尝试使用整个数据框进行聚合时，不返回 C 列（带有 numpy 数组的列）：

>>> df.groupby(['A','B']).sum()
               D
A      B
Label1 yellow  3
Label2 green   3
       yellow  4

如果我忽略 D 列而只尝试输出 C 列，则会收到错误消息：

>>> df[['A','B','C']].groupby(['A','B']).sum()
Traceback (most recent call last):
  File "C:\Anaconda3\lib\site-packages\pandas\core\groupby.py", line 96, in f
    return self._cython_agg_general(alias, numeric_only=numeric_only)
  File "C:\Anaconda3\lib\site-packages\pandas\core\groupby.py", line 3038, in _cython_agg_general
    how, numeric_only=numeric_only)
  File "C:\Anaconda3\lib\site-packages\pandas\core\groupby.py", line 3084, in _cython_agg_blocks
    raise DataError('No numeric types to aggregate')
pandas.core.base.DataError: No numeric types to aggregate

如果我只按单个列分组并且只输出我的数组列，则数组总和正确：

>>> df[['A','C']].groupby(['A']).sum()
                C
A
Label1  [1, 1, 1]
Label2  [2, 2, 1]

但如果我尝试将标量列也包含为聚合，我的数组列也不会返回：

>>> df[['A','C','D']].groupby(['A']).sum()
        D
A
Label1  3
Label2  7

另外，如果我尝试在聚合函数中包含 B 列（包含字符串），B 列和 C 列会返回，但 D 列不会：

>>> df[['A','B','C']].groupby(['A']).sum()
               B          C
A
Label1  yellowyellow  [1, 1, 1]
Label2   yellowgreen  [2, 2, 1]

谁能解释为什么会这样？我知道我可以创建一个 [A+B] 列，然后按该列分组，对我的数组列求和，然后将结果与我在列 [A+B] 上的其余数据合并，但似乎在那里应该是一个更简单的方法。有什么想法吗？

Answer 1

pd.concat 单独的 groupbys 是一种解决方法

g = df.groupby(['A', 'B'])
pd.concat([g.C.apply(np.sum), g.D.sum()], axis=1)