按多列分组时熊猫组合键

Question

我有 3 个基于 3 个键的分组级别：key1、key2、key3 我想获得以下组合的列 (c1) 的总和：

key1, sum(c1)
key1, key2, sum(c1)
key1, key2, key3, sum(c1)

我在 3 个不同的 dfs 中得到总和。 (sum_k1, sum_k1k2, sum_k1k2k3) 我想组合数据框，然后将其转换为 json，如下所示：

{
 key1: { 
          sum: x1,
          key2: {
                   sum: x2,
                   key3: {
                           sum: x3
                         }
                 }
         }
}

我该怎么做？

Answer 1

我为此使用了多级索引，为此使用了 xs。 获取最低级别的聚合。

lvl3_grp = df.groupby(['key1', 'key2', 'key3'])['col1', 'col2'].sum()
lvl3_grp = lvl3_grp.reset_index()
lvl3_grp.set_index(['key1', 'key2', 'key3'], inplace=True)

res = {}
for k1 in lvl3_grp.index.levels[0]:
 sums = lvl3_grp.xs(k1).sum()
 lvl2_grp = lvl3_grp.xs(k1).reset_index()
 lvl2_grp.set_index(['key2', 'key3'], inplace=True)
 lvl2_dict = {}
 for k2 in lvl2_grp.index.levels[0]:
   sums = lvl2_grp.xs(k1).sum()

最后一级.index.levels[0] 不能作为其单一索引。我使用.index.values 用于可迭代列表，并在for 循环中使用.loc 来访问值。

稍后我会扩展答案。

Answer 2

我不知道这是否是最有效的方法，但这是我想出的

import pandas as pd
import random

# Prepare the sample dataset

table = []
for i in range(100000):
    row = {'key1': random.choice('ABC'),
           'key2': random.choice('KLM'),
           'key3': random.choice('XYZ'),
           'val' : random.randint(0,500)}
    table.append(row)

df = pd.DataFrame(table)

# Aggregate the first level

dict_agg = (df.groupby('key1')
            .sum()
            .rename(columns={'val':'sum'})
            .to_dict('index'))

# Convert from numpy.int64 to Python scalar
for idx, value in dict_agg.items():
    dict_agg[idx]['sum'] = int(dict_agg[idx]['sum'])

# Aggregate the second level

df_lvl2 = (df.groupby(['key1','key2'])
           .sum()
           .rename(columns={'val':'sum'})
           .to_dict('index'))

# Assign the second level aggregation

for idx, value in df_lvl2.items():
    dict_agg[idx[0]][idx[1]] = {'sum': int(value['sum'])}

# Aggregate the final level

df_lvl3 = (df.groupby(['key1','key2','key3'])
           .sum()
           .rename(columns={'val':'sum'})
           .to_dict('index'))

# Assign the third level aggregation

for idx, value in df_lvl3.items():
    dict_agg[idx[0]][idx[1]][idx[2]] = {'sum': int(value['sum'])}

最终结果将如下所示：

{'A': {'K': {'X': {'sum': 929178},
   'Y': {'sum': 940925},
   'Z': {'sum': 938008},
   'sum': 2808111},
  'L': {'X': {'sum': 902581},
   'Y': {'sum': 953821},
   'Z': {'sum': 942942},
   'sum': 2799344},
  'M': {'X': {'sum': 930117},
   'Y': {'sum': 929257},
   'Z': {'sum': 910905},
   'sum': 2770279},
  'sum': 8377734},
 'B': {'K': {'X': {'sum': 888818},
…

由于这是一个dict，您需要将其转换为 json，方法是：

import json
output = json.dumps(dict_agg)