Pandas：按两列分组以获得另一列的总和答案

【问题标题】：Pandas: Group by two columns to get sum of another columnPandas：按两列分组以获得另一列的总和
【发布时间】：2017-03-25 23:31:58
【问题描述】：

我查看了大多数以前提出的问题，但无法找到我的问题的答案：

我有以下data.frame

           id   year month score num_attempts
0      483625  2010    01   50      1
1      967799  2009    03   50      1
2      213473  2005    09  100      1
3      498110  2010    12   60      1
5      187243  2010    01  100      1
6      508311  2005    10   15      1
7      486688  2005    10   50      1
8      212550  2005    10  500      1
10     136701  2005    09   25      1
11     471651  2010    01   50      1

我想得到以下数据框

year month sum_score sum_num_attempts
2009    03   50           1
2005    09  125           2
2010    12   60           1
2010    01  200           2
2005    10  565           3

这是我尝试过的：

sum_df = df.groupby(by=['year','month'])['score'].sum()

但这看起来并不高效和正确。如果我有多个列需要聚合，这似乎是一个非常昂贵的调用。例如，如果我有另一列 num_attempts 并且只想按年月求和作为分数。

【问题讨论】：

您能否详细说明为什么您认为这是一个广泛的呼叫，以及如果您想将num_attempts 保留在群组操作中，您会如何处理它？
@MaxU 不确定我是否理解 `as_index=False 的用法，它有什么作用？
很抱歉我的第一条评论 - 我误解了你。有什么问题：df.groupby(['year','month'])[['score','num_attempts']].sum() 或 df.groupby(['year','month']).agg({'score':'sum', 'num_attempts':'max'})？
@MaxU 如果我想在不同的列中反映结果，这将在结果数据框中创建新列，我可以这样做。我的数据框也很大。这是执行此任务的最佳方式吗？
@Boud 我在这个数据框中有近 900 万条记录，似乎需要很长时间才能得到结果，但我还没有看到最后一帧。

标签： pandas group-by

【解决方案1】：

这应该是一种有效的方式：

sum_df = df.groupby(['year','month']).agg({'score': 'sum', 'num_attempts': 'sum'})

【讨论】：

score 列是否必须是明确的整数？
@Null-Hypothesis 我不这么认为。如果不起作用，您能详细说明吗？
生成的 sum_df 仅包含求和列。
如果有人还想重命名创建的列，以便新的（分数）列与输入列不使用相同的名称。在末尾追加.rename(columns={'score': 'score_sum_by_year_month'})。

【解决方案2】：

根据 Dennis 的解决方案，这应该会导致包含所需列的 df：

sum = df.groupby(["year", "month"]).agg({"score": "sum", "num_attempts": "sum"}).reset_index()

【讨论】：