pandas groupby 按总和聚合特定列，按最常见值聚合其他列

Question

我有一个看起来像这样的数据框：

road    dirn    length  lane
1        L         0     2
1        L       0.6     2
1        L       1.2     1
1        L       0.8     2
2        R       1.5     3
2        R       0.4     2
2        R         9     3

我需要聚合这个数据框，我将在其中按“road”和“dirn”列进行分组，并在“length”列上求和，并从“lanes”列中获取最常见的值。生成的数据框应如下所示：

road    dirn    length  lanes
1        L       2.6     2
1        L      10.9     3

我可以使用 groupby、agg 和 sum 轻松地进行 groupby 和 sum。我已经看到可以使用 value_counts 获得最常见的值，但我不确定如何将 sum 和 value_counts 结合起来。实际的数据框非常大，我可能需要将总和和值计数应用于多列。

谁能帮我理解： i）如何分组并获取“长度”的总和以及“车道”的最常见值 ii）如何将其扩展为 groupby（多列），对多列求和），最常见的值（重命名列）

Answer 1

将GroupBy.agg 与sum 一起使用，最常见的值使用Series.mode：

df1 = (df.groupby(['road','dirn'], as_index=False)
         .agg({'length':'sum','lane':lambda x: x.mode().iat[0]}))

与Series.value_counts类似的想法：

df1 = (df.groupby(['road','dirn'], as_index=False)
         .agg({'length':'sum','lane':lambda x: x.value_counts().index[0]}))

---

print (df1)
   road dirn  length  lane
0     1    L     2.6     2
1     2    R    10.9     3

编辑：如果有两个聚合函数的列名列表，则可以使用GroupBy.agg 与** 合并的字典：

sumL = ['length', 'accidents']
modeL = ['lane']

func = lambda x: x.value_counts().index[0]

d = {**dict.fromkeys(sumL, 'sum'), **dict.fromkeys(modeL, func)}
print (d)

df1 = df.groupby(['road','dirn'], as_index=False).agg(d)

Answer 2

下面的代码将给出length 列的总和，并提供lane 列的mode

df.groupby(['road','dirn']).agg({'length':[np.sum],'lane':[pd.Series.mode]})

下面的代码将对length 列求和并提供lane 列的最大值

df.groupby(['road','dirn']).agg({'length':[np.sum],'lane':[np.max]}