基于条件的总和聚合答案

【问题标题】：Aggregation with sum based on condition基于条件的总和聚合
【发布时间】：2022-01-07 06:58:41
【问题描述】：

我有一个这样的 DataFrame：

df = pd.DataFrame(data= {'month' : [2,7,4,8], 'sales' : [10,40,70,50]})

我想获得按月汇总的销售额总和。但是，我想合并两组月份，第一组用于 1-6 个月（导致 80 个月的销售额），第二组用于 7-12 个月（导致 90 个月）。

最好的方法是什么？

【问题讨论】：

我不会将此作为答案发布，因为它使用了额外的技术，但使用 duckdb (pip install duckdb) 您可以直接在数据框上使用 SQL 来回答您的查询，例如：duckdb.query("SELECT CASE WHEN month <= 6 THEN 1 ELSE 2 END as halfyear, sum(sales) FROM df GROUP BY halfyear").to_df()。

标签： python dataframe conditional-statements aggregate

【解决方案1】：

一种方法是创建一个作为分组键的列。可以这样做：

import numpy as np
import pandas as pd

df = pd.DataFrame(data= {'month': [2, 7, 4, 8], 'sales' : [10, 40, 70, 50]})
df["foo"] = np.where(df['month'] < 7, 0, 1)
bar = df.groupby(['foo']).sum()

在这里，正在创建一个foo 列，它将根据您定义的条件为每个列分配一个组。即df['month'] < 7。然后使用这个创建的列，您可以执行经典的groupby() 并获得总和。

请注意，如果您只想保留销售列，也可以使用df.groupby(['foo'])['sales'].agg('sum')。

【讨论】：

【解决方案2】：

您可以使用pd.cut 为月份分配标签，并在groupby 中使用这些标签：

>>> df.groupby(pd.cut(df["month"], bins=[0, 6, 12], labels=["1-6", "7-12"]))["sales"].sum()

month
1-6     80
7-12    90
Name: sales, dtype: int64

【讨论】：