Groupby 总和，索引与列结果答案

【问题标题】：Groupby sum, index vs. column resultsGroupby 总和，索引与列结果
【发布时间】：2019-10-04 14:04:31
【问题描述】：

对于以下数据框：

df = pd.DataFrame({'group':['a','a','b','b'], 'data':[5,10,100,30]},columns=['group', 'data']) 
print(df)

  group  data
0     a     5
1     a    10
2     b   100
3     b    30

按列分组时，添加并新建一列，结果为：

df['new'] = df.groupby('group')['data'].sum() 
print(df)

  group  data  new
0     a     5  NaN
1     a    10  NaN
2     b   100  NaN
3     b    30  NaN

但是，如果我们将 df 重置为原始数据并将 group 列移动到索引，

df.set_index('group', inplace=True)
print(df)

       data
group      
a         5
a        10
b       100
b        30

然后分组求和，得到：

df['new'] = df.groupby('group')['data'].sum() 
print(df)

       data  new
group           
a         5   15
a        10   15
b       100  130
b        30  130

为什么列组不设置新列的值，而索引分组却设置了新列的值？

【问题讨论】：

标签： python pandas indexing group-by

【解决方案1】：

这里更好的是使用GroupBy.transform 来返回与原始DataFrame 相同大小的系列，因此在分配后所有工作正常：

df['new'] = df.groupby('group')['data'].transform('sum')

因为如果分配新的系列值是按索引值对齐的。如果索引不同，获取NaNs:

print (df.groupby('group')['data'].sum())
group
a     15
b    130
Name: data, dtype: int64

不同的索引值 - 获取 NaN：

print (df.groupby('group')['data'].sum().index)
Index(['a', 'b'], dtype='object', name='group')

print (df.index)
RangeIndex(start=0, stop=4, step=1)

df.set_index('group', inplace=True)

print (df.groupby('group')['data'].sum())
group
a     15
b    130
Name: data, dtype: int64

索引可以对齐，因为值匹配：

print (df.groupby('group')['data'].sum().index)
Index(['a', 'b'], dtype='object', name='group')

print (df.index)
Index(['a', 'a', 'b', 'b'], dtype='object', name='group')

【讨论】：

【解决方案2】：

你没有得到你想要的，因为当使用df.groupby('group')['data'].sum()时，这会返回一个以group为索引的聚合结果：

group
a     15
b    130
Name: data, dtype: int64

显然索引没有对齐。

如果你想让它工作，你必须使用transform，它返回一个带有转换后的值的系列，与 self 具有相同的轴长度：

df['new'] = df.groupby('group')['data'].transform('sum')

   group  data  new
0     a     5   15
1     a    10   15
2     b   100  130
3     b    30  130

【讨论】：