Python：按条件按总和分组

Question

我有一个如下的数据框：

df = pd.DataFrame({'condition' : ['a','b','b','b','a','a'],
               'name' : ['one', 'one', 'two', 'three', 'three', 'three'],
               'data1' : [7, 3, 48, 13, 27, 12]})
df
  condtion  data1   name
0   a          7    one
1   b          3    one
2   b         48    two
3   b         13    three
4   a         27    three
5   a         12    three

对于每个名字，我想在data1 上求和，如果我有这些信息，则使用condition=a 的信息，否则使用condition=b。最后，我想要一个如下所示的数据框：

df1 
    name   total
0   one      7
1   two     48
2   three   39

Answer 1

您可以聚合 groupby 和聚合 sum 并通过 unstack 重塑，最后用 fillna 替换缺失类别 a 的 NaN：

df = df.groupby(['name','condition'], sort=False)['data1'].sum().unstack()
df['total'] = df['a'].fillna(df['b'])
print (df)
condition     a     b  total
name                        
one         7.0   3.0    7.0
two         NaN  48.0   48.0
three      39.0  13.0   39.0

对于新的DataFrame：

df1 = df.reset_index().rename_axis(None, 1)[['name','total']]
print (df1)
    name  total
0    one    7.0
1    two   48.0
2  three   39.0

apply 的另一个解决方案：

def f(x):
    if (x['condition'] == 'a').any():
        return x.loc[x['condition'] == 'a', 'data1'].sum() 
    else:
        return x.loc[x['condition'] == 'b', 'data1'].sum()

df1 = df.groupby('name', sort=False).apply(f).reset_index(name='total')
print (df1)
    name  total
0    one      7
1    two     48
2  three     39

---

更好的方法是创建 Series 来聚合过滤后的 DataFrame，然后创建 combine_first，但此解决方案省略了所有没有 a 或 b 条件的 names 组：

a = df.loc[df['condition'] == 'a'].groupby('name', sort=False)['data1'].sum()
b = df.loc[df['condition'] == 'b'].groupby('name', sort=False)['data1'].sum()

df = a.combine_first(b).reset_index(name='total')
print (df)
    name  total
0    one    7.0
1  three   39.0
2    two   48.0

Answer 2

您可以通过groupbyname 和condition 找到data1 的sum，然后通过name 和condition 找到sort_values，然后为@987654331 分组中的每个组选择第一个条目@：

df.groupby(['name', 'condition'])['data1'].sum().reset_index(name='total').sort_values(['name','condition']).groupby(['name']).first().reset_index()[['name', 'total']]

输出：

    name    total
0   one     7
1   three   39
2   two     48

Answer 3

您可以将pd.pivot_table 与aggfunc='sum' 一起使用：

df = pd.DataFrame({'condition' : ['a','b','b','b','a','a'],
                   'name' : ['one', 'one', 'two', 'three', 'three', 'three'],
                   'data1' : [7, 3, 48, 13, 27, 12]})

res = df.pivot_table(index='name', columns='condition', values='data1', aggfunc='sum')

condition     a     b
name                 
one         7.0   3.0
three      39.0  13.0
two         NaN  48.0

然后申请fillna并清理：

res = res.assign(total=res['a'].fillna(res['b']).astype(int))\
         .reset_index().rename_axis('', 1)\
         .loc[:, ['name', 'total']]

print(res)

    name  total
0    one      7
1  three     39
2    two     48