理解 Pandas groupby sum()

Question

我无法理解 sum() 在 groupby() 的情况下是如何工作的。 Official docs 说它计算值的总和，但我不知道如何：

df = pd.DataFrame({'A': [1, 1, 2, 1, 2],
               'B': [np.nan, 2, 3, 4, 5],
               'C': [1, 2, 1, 1, 2]},
               columns=['A', 'B', 'C'])

我不知道它是如何计算结果的，它肯定没有为每一行做 A+B+C。

Answer 1

这可以通过比较以下 2 个数据帧来很好地理解：-

让数据框成为

做df.groupby('B').sum()给了

同时，df.groupby('A').sum() 给出了

所以，groupby().sum() 的作用是，取 B 的一个元素，在 A 和 C 中添加相应的行元素，然后在 B 列中搜索该元素的重复。如果找到，则再次将 A 和 C 的对应值相加。如果没有找到，则跳到 B 列中的下一个元素。为了进一步说明，在上面的示例中，首先取 B = 2.0，其中 A = 1 和 C = 2。 2.0 在 B 列中没有重复，它现在移动到 B = 3.0，其中 A = 2 和 C = 1，依此类推。这是 groupby('B').sum() 的输出。另一方面，当 df.groupby('A') 完成时，它首先需要 A = 1。为此，相应的值为 B = NaN，C = 1。由于 1 在 A 列中重复，sumB = NaN + 2.0 + 4.0 = 6，sumC = 1 + 2 + 1 = 4。现在 A = 1 完成，它转到 A = 2。同样，对于 A = 2，sumB = 3.0 + 5.0 = 8，sumC = 1 + 2 = 3。这解释了 groupby('A') 完成时的输出。

对于您的问题，df.sum() 将给出所有 3 列的总和为

A   7.0
B   14.0
C   7.0

如果您想要逐行求和，请执行df.sum(axis = 1) 这会给

0   2.0
1   5.0
2   6.0
3   6.0
4   9.0

Answer 2

你的例子很糟糕，但让我解释一下。

Groupby 是一种获取列的值并将所有相等的值合并在一起的操作。现在我们需要一个操作来处​​理其他列。因为随着合并程序需要知道如何处理它们。那将是操作总和。 （其他操作：均值、计数、...）

在您的情况下，您在 B 中只有唯一值，因此没有 2 行合并在一起。因此，一个元素的总和是多少？正是元素。

l = [3]
print(sum(l)) # Output: 3

这就是你的例子中发生的事情。

这就是为什么@jezrael在评论中说你可能想做df = df.groupby('A').sum()

输出将是：

     B  C
A        
1  6.0  4
2  8.0  3

如您所见，我们按 A 列分组。第 1 行和第 3 行相加，第 2 行和第 4 行相加。

您可能正在寻找这个：

df.sum()

哪个输出：

A     7.0
B    14.0
C     7.0

或者@Andrea提到的这个：

df.sum(axis=1)

哪个输出：

0    2.0
1    5.0
2    6.0
3    6.0
4    9.0

但是我认为 Groupby 是实现你想要的错误的方法。