按一列分组并在熊猫中找到另一列的总和和最大值答案

【问题标题】：Group by one columns and find sum and max value for another in pandas按一列分组并在熊猫中找到另一列的总和和最大值
【发布时间】：2017-11-27 05:07:36
【问题描述】：

我有一个这样的数据框：

Name  id  col1  col2  col3  cl4 
PL    252  0     747   3     53  
PL2   252  1     24    2     35 
PL3   252  4     75    24    13 
AD    889  53    24    0     95 
AD2   889  23    2     0     13  
AD3   889  0     24    3     6  
BG    024  12    89    53    66 
BG1   024  43    16    13    0   
BG2   024  5     32    101   4

现在我需要按 ID 分组，对于 col1 和 col4 列，找到每个 id 的总和，并将其放入父列附近的新列中（例如：col3(sum)）但是对于 col2 和 col3，找到 max价值。期望的输出：

Name  id  col1 col1(sum) col2 col2(max) col3 col(max) col4 col4(sum)
PL    252  0       5      747    747     3     24    6    18
PL2   252  1       5      24     747     2     24    12   18
PL3   252  4       5      75     747     24    24    0    18
AD    889  53      76     24     24      95    95    23   33
AD2   889  23      76     2      24      13    95    5    33
AD3   889  0       76     24     24      6     95    5    33
BG    024  12      60     89     89      66    66    0    67   
BG1   024  43      60     16     89      0     66    63   67    
BG2   024  5       60     32     89      4     66    4    67

计算这个最简单、最快的方法是什么？

【问题讨论】：

标签： python pandas dataframe group-by

【解决方案1】：

当您的 id 上有 groupby 和 sum 时，您可以使用 merge：

pd.merge(df,df.groupby("id").sum().reset_index(), on='id',how='outer')

输出

【讨论】：

【解决方案2】：

您可以使用 groupby/transform 创建所需的列

df[['col1_sum', 'col4_sum']]=df.groupby('id')['col1', 'cl4'].transform('sum')
df[['col2_max', 'col3_max']]=df.groupby('id')['col1', 'cl4'].transform('max')

    Name    id  col1    col2    col3    cl4 col1_sum    col4_sum    col2_max    col3_max
0   PL      252 0       747     3       53  5           101         4   53
1   PL2     252 1       24      2       35  5           101         4   53
2   PL3     252 4       75      24      13  5           101         4   53
3   AD      889 53      24      0       95  76          114         53  95
4   AD2     889 23      2       0       13  76          114         53  95
5   AD3     889 0       24      3       6   76          114         53  95
6   BG      24  12      89      53      66  60          70          43  66
7   BG1     24  43      16      13      0   60          70          43  66
8   BG2     24  5       32      101     4   60          70          43  66

【讨论】：

【解决方案3】：

我知道这很麻烦，但我喜欢链接，所以你可以这样做：

df = df.groupby('id').
    apply(lambda g: g.assign(
        col1_sum=g.col1.sum(),
        col2_max=g.col2.max()))

基本上，这是对每个组应用基于组的分配命令，然后组合成单个 DataFrame。

有关每种方法的详细信息，请参阅https://pandas.pydata.org/pandas-docs/stable/api.html。

【讨论】：

【解决方案4】：

执行此操作的最（熊猫）原生方式是使用.agg() 方法，该方法允许您指定要对每列应用的聚合函数（就像在 SQL 中所做的那样）。

文档示例：

df.groupby('A').agg({'B': ['min', 'max'], 'C': 'sum'})

【讨论】：