Python pandas - 在单独的列中聚合值

Question

我是 Python 新手，想知道是否有人可以帮助我完成以下任务。

我有以下数据框 df，其中包含以下列：

• 主要 ID
• 次要 ID
• 实体类型
• 价值

每个主要实体（实体类型：A）可能包含一些次要实体（实体类型；X 或 Y）。对于实体类型 A，主 ID 与辅助 ID 相同。此外，每个主要实体和每个次要实体都有一个值。

在“次要 id X 值总和”和“次要 id Y 值总和”列中，我希望获得与每个主要实体相对应的次要实体（X 和 Y）的合计值。聚合值应该在主要实体的行中。

所以，我最初的 df 是这样的：

Primary ID	Secondary ID	Entity type	Value
0109	0109	A	200
0109	A234	X	100
0109	A234	X	50
9996	9996	A	400
9996	AAGT	X	120
9996	AABG	X	30
9996	0082	Y	50
A765	A765	A	50

我只想添加 2 列，而不更改初始数据框的格式：

Primary ID	Secondary ID	Entity type	Value	Sum of values Secondary id X	Sum of values Secondary id Y
0109	0109	A	200	150	0
0109	A234	X	100	0	0
0109	A234	X	50	0	0
9996	9996	A	400	150	50
9996	AAGT	X	120	0	0
9996	AABG	X	30	0	0
9996	0082	Y	50	0	0
A765	A765	A	50	0	0

谢谢！

Answer 1

尝试使用以下方法创建字典：

(df.groupby(['Primary ID', 'Entity type'])['Value']      
        .sum()    
        .unstack(-1)                    
        .fillna(0).reset_index()                      
        ) 

---

Entity type Primary ID  A   X       Y
0           0109    200.0   150.0   0.0
1           9996    400.0   150.0   50.0
2           A765    50.0    0.0     0.0

---

上面的数据可以转换成dict，然后就可以map了。

完整解决方案：

map_df = (df.groupby(['Primary ID', 'Entity type'])['Value']      
        .sum()    
        .unstack(-1)                    
        .fillna(0).reset_index()                      
        ).drop(['A'], axis=1).set_index('Primary ID')

---

df.set_index('Primary ID', inplace=True)
df.loc[df['Entity type'].eq('A'),['new_x', 'new_y']] = map_df.values

---

df:

	Secondary ID	Entity type	Value	new_x	new_y
Primary ID
0109	0109	A	200	150.0	0.0
0109	A234	X	100	0.0	0.0
0109	A234	X	50	0.0	0.0
9996	9996	A	400	150.0	50.0
9996	AAGT	X	120	0.0	0.0
9996	AABG	X	30	0.0	0.0
9996	0082	Y	50	0.0	0.0
A765	A765	A	50	0.0	0.0

Answer 2

首先使用第一个解决方案，将Values 替换为Series.where 的缺失值，然后使用GroupBy.transform 的新列，最后在DataFrame.mask 中用0 替换重复项：

cols = ['Sum of values Secondary id X','Sum of values Secondary id Y']
df[cols] = (df.assign(x = df['Value'].where(df['Entity type'].eq('X')),
                      y = df['Value'].where(df['Entity type'].eq('Y')))
              .groupby('Primary ID')[['x','y']]
              .transform('sum')
              .mask(df['Primary ID'].duplicated(), 0)
              .astype(int))
print (df)
  Primary ID Secondary ID Entity type  Value  Sum of values Secondary id X  \
0       0109         0109           A    200                           150   
1       0109         A234           X    100                             0   
2       0109         A234           X     50                             0   
3       9996         9996           A    400                           150   
4       9996         AAGT           X    120                             0   
5       9996         AABG           X     30                             0   
6       9996         0082           Y     50                             0   
7       A765         A765           A     50                             0   

   Sum of values Secondary id Y  
0                             0  
1                             0  
2                             0  
3                            50  
4                             0  
5                             0  
6                             0  
7                             0 

如果需要新列的所有值，请使用 DataFrame.pivot_table 和 DataFrame.join：

df1 = (df.pivot_table(index='Primary ID', 
                    columns='Entity type', 
                    values='Value', 
                    aggfunc='sum', fill_value=0)
         .add_prefix('Sum of values Secondary id '))


df = df.join(df1, on='Primary ID')
df.loc[df['Primary ID'].duplicated(), df1.columns] = 0
print (df)
  Primary ID Secondary ID Entity type  Value  Sum of values Secondary id A  \
0       0109         0109           A    200                           200   
1       0109         A234           X    100                             0   
2       0109         A234           X     50                             0   
3       9996         9996           A    400                           400   
4       9996         AAGT           X    120                             0   
5       9996         AABG           X     30                             0   
6       9996         0082           Y     50                             0   
7       A765         A765           A     50                            50   

   Sum of values Secondary id X  Sum of values Secondary id Y  
0                           150                             0  
1                             0                             0  
2                             0                             0  
3                           150                            50  
4                             0                             0  
5                             0                             0  
6                             0                             0  
7                             0                             0