Pandas 数据框结合了唯一的行值

Question

我有一个如下所示的数据框，其中包含超过 90000 行。

origin      destination people
101011001   101011001   7378
101011001   101011002   120
101011001   101011002   8
101011001   101011002   285
101011001   101011003   7
101011001   101011004   0
101011001   101011004   1
101011001   101011004   2
101011001   101011004   9
101011002   101011001   5

如您所见，一些 origin 和 destination 值重复，例如有多个行，其中 origin=101011001，destination=101011002。 我的目标是将重复的 origin 和 destination 值和 sum people 列分组，因此数据框如下所示：

origin      destination people
101011001   101011001   7378
101011001   101011002   413
101011001   101011003   7
101011001   101011004   12
101011002   101011001   5

我已经尝试过jsondf.groupby(['origin', 'destination']).sum()，它为我提供了正确的总和和目标值，但这并不是我想要的，因为我希望原始值也显示在每个目标的行中。

注意我的最终目标是将此数据帧作为表放入 SQL 数据库中，并且使用上面的 .groupby() 代码，源值和目标值实际上被解释为 NULL 这不是我想要。

谢谢！

Answer 1

显示每个原始值的快速简便的方法是在使用 groupby 后简单地重置索引。下面是一个例子，展示了重置索引前后数据库的样子：

df.groupby(['origin', 'destination']).sum()

origin      destination  people
101011001   101011001    7378
            101011002    413
            101011003    7
            101011004    12
101011002   101011001    5

添加 reset_index() 后，数据框的每一行都会显示每个原点值。

    df.groupby(['origin', 'destination']).sum().reset_index()

    origin      destination people
0   101011001   101011001   7378
1   101011001   101011002   413
2   101011001   101011003   7
3   101011001   101011004   12
4   101011002   101011001   5

这应该允许您发送到 sql 数据库而不会将源解释为空值。