根据不同的行分组和求和答案

【问题标题】：group by and sum values based on different rows根据不同的行分组和求和
【发布时间】：2021-06-07 18:06:18
【问题描述】：

我有一个如下所示的数据集：

store      itemId       numberOfItemsSold
Berlin     1            78
Amsterdam  3            12
Berlin     2            31
Amsterdam  1            12
Berlin     1            90

我想创建一个数据集或字典，以便积累有关每个不同商店出售的每种商品数量的信息。例如，在柏林，itemId = 1 的商品售出 78+90 件。然后，itemId = 2 的商品售出 31 件。

如何为每个不同的产品 (itemId) 提取每个商店的此类信息？

【问题讨论】：

标签： python dataframe group-by data-science data-analysis

【解决方案1】：

您可以使用groupby() 执行此操作，这将提供一个 DataFrame：

summary_df = df.groupby(['store', 'itemId']).sum()

如果你想要一本字典：

summary_dict = dict(zip(summary_df.index, summary_df.numberOfItemsSold))

【讨论】：

【解决方案2】：

pd.DataSet.groupby() 对您有用吗？

pd.DataFrame(
[["Berlin", 1, 78],
["Amsterdam",3, 12],
["Berlin",2, 31],
["Amsterdam", 1,12],
["Berlin", 1, 90]], 
columns=["store", "itemId", "numberOfItemsSold"]).groupby(['store', 'itemId']).sum().reset_index()

输出：

store   itemId  numberOfItemsSold
0   Amsterdam   1   12
1   Amsterdam   3   12
2   Berlin  1   168
3   Berlin  2   31

【讨论】：

这会给我AttributeError: 'list' object has no attribute 'groupby' 另外，我认为还有一个额外的括号