Python for DF 基于 Excel 和 CSV 的不同结果 pandas Groupby

Question

为了使我的代码更快，我想从 Excel 输入切换到 CSV 输入数据。首先，我创建了两个完全相同的 df。

demand_data = pd.ExcelFile("Input Data\Historical Demand.xlsx")
FY20 = pd.read_excel(demand_data, 'Data FY20')
FY20b = pd.read_csv("Input Data\Historical Demand FY20.csv")

生成的 df 是： Based on ExcelBased on CSV

接下来，我想使用 pandas groupby 将我的 df 按某些列分组，并对某些列求和。我使用以下代码：

FY20 = FY20.groupby(['SKU', 'Material', 'Plant'])[["OrderQuantity","DeliveredQuantity"]].sum().reset_index()
FY20b = FY20b.groupby(['SKU', 'Material', 'Plant'])[["OrderQuantity","DeliveredQuantity"]].sum().reset_index()

这是结果： Result based on Excel DFResult based on CSV DF

这对我来说没有任何意义，因为两个数据帧完全相同，但结果却不是。如何从基于 CSV 的数据帧中获得相同的 groupby 结果？

Answer 1

这可能是因为您在 CSV 中的数字是字符串（例如 1,516.0），您可以从逗号中注意到这一点。您需要删除这些，然后将生成的字符串转换为整数列：

FY20b["OrderQuantity"] = FY20b["OrderQuantity"].apply(lambda x: x.replace(',', ''))
FY20b["OrderQuantity"] = pd.to_numeric(FY20b["OrderQuantity"])

FY20b["DeliveredQuantity"] = FY20b["DeliveredQuantity"].apply(lambda x: x.replace(',', ''))
FY20b["DeliveredQuantity"] = pd.to_numeric(FY20b["DeliveredQuantity"])

那么你可以这样做：

FY20b = FY20b.groupby(['SKU', 'Material', 'Plant'])[["OrderQuantity","DeliveredQuantity"]].sum().reset_index()