我如何熊猫分组获得总和？答案

【问题标题】：How do I Pandas group-by to get sum?我如何熊猫分组获得总和？
【发布时间】：2017-02-16 19:00:36
【问题描述】：

我正在使用这个数据框：

Fruit   Date      Name  Number
Apples  10/6/2016 Bob    7
Apples  10/6/2016 Bob    8
Apples  10/6/2016 Mike   9
Apples  10/7/2016 Steve 10
Apples  10/7/2016 Bob    1
Oranges 10/7/2016 Bob    2
Oranges 10/6/2016 Tom   15
Oranges 10/6/2016 Mike  57
Oranges 10/6/2016 Bob   65
Oranges 10/7/2016 Tony   1
Grapes  10/7/2016 Bob    1
Grapes  10/7/2016 Tom   87
Grapes  10/7/2016 Bob   22
Grapes  10/7/2016 Bob   12
Grapes  10/7/2016 Tony  15

我想将其按Name 和水果进行汇总，得到每个Name 的Fruit 总数。例如：

Bob,Apples,16

我尝试按Name 和Fruit 进行分组，但我如何获得Fruit 的总数？

【问题讨论】：

你可以使用 dfsql df.sql('SELECT fruit, sum(number) GROUP BY fruit') github.com/mindsdb/dfsql medium.com/riselab/…

标签： python pandas dataframe group-by aggregate

【解决方案1】：

使用GroupBy.sum:

df.groupby(['Fruit','Name']).sum()

Out[31]: 
               Number
Fruit   Name         
Apples  Bob        16
        Mike        9
        Steve      10
Grapes  Bob        35
        Tom        87
        Tony       15
Oranges Bob        67
        Mike       57
        Tom        15
        Tony        1

【讨论】：

pandas 怎么知道我想对名为Number 的列求和？
@Kingname 如果去掉 NAME 和 FRUIT，它是最后一列。如果你在左边添加 2 列，它会将两列相加
如何指定对哪一列求和？
@tgdn df.groupby(['Name', 'Fruit'])['Number'].sum()
@StevenG 对于为总结特定列而提供的答案，输出以 Pandas 系列而不是 Dataframe 的形式出现。根据 Jakub Kukul 的评论（在下面的答案中），我们可以在“数字”周围使用双方括号来获取数据框。

【解决方案2】：

其他两个答案都完成了您想要的。

您可以使用pivot 功能将数据排列在一个漂亮的表格中

df.groupby(['Fruit','Name'],as_index = False).sum().pivot('Fruit','Name').fillna(0)



Name    Bob     Mike    Steve   Tom    Tony
Fruit                   
Apples  16.0    9.0     10.0    0.0     0.0
Grapes  35.0    0.0     0.0     87.0    15.0
Oranges 67.0    57.0    0.0     15.0    1.0

【讨论】：

【解决方案3】：

你也可以使用agg函数，

df.groupby(['Name', 'Fruit'])['Number'].agg('sum')

【讨论】：

这与接受的答案不同，因为它返回 Series 而另一个返回 GroupBy 对象。
@GaurangTandon 获取DataFrame 对象（如在接受的答案中），在'Number' 周围使用双方括号，即：df.groupby(['Name', 'Fruit'])[['Number']].agg('sum')
非常有助于清理编码错误的查询报告。

【解决方案4】：

df.groupby(['Fruit','Name'])['Number'].sum()

您可以选择不同的列来对数字求和。

【讨论】：

【解决方案5】：

如果要保留原始列 Fruit 和 Name，请使用 reset_index()。否则Fruit 和Name 将成为索引的一部分。

df.groupby(['Fruit','Name'])['Number'].sum().reset_index()

Fruit   Name       Number
Apples  Bob        16
Apples  Mike        9
Apples  Steve      10
Grapes  Bob        35
Grapes  Tom        87
Grapes  Tony       15
Oranges Bob        67
Oranges Mike       57
Oranges Tom        15
Oranges Tony        1

如其他答案所示：

df.groupby(['Fruit','Name'])['Number'].sum()

               Number
Fruit   Name         
Apples  Bob        16
        Mike        9
        Steve      10
Grapes  Bob        35
        Tom        87
        Tony       15
Oranges Bob        67
        Mike       57
        Tom        15
        Tony        1

【讨论】：

【解决方案6】：

您可以将groupby 列设置为index，然后使用sum 和level

df.set_index(['Fruit','Name']).sum(level=[0,1])
Out[175]: 
               Number
Fruit   Name         
Apples  Bob        16
        Mike        9
        Steve      10
Oranges Bob        67
        Tom        15
        Mike       57
        Tony        1
Grapes  Bob        35
        Tom        87
        Tony       15

【讨论】：

【解决方案7】：

.agg() 函数的变体；提供以下功能：(1) 持久化类型 DataFrame，(2) 应用平均值、计数、总和等，以及 (3) 在多列上启用 groupby，同时保持易读性。

df.groupby(['att1', 'att2']).agg({'att1': "count", 'att3': "sum",'att4': 'mean'})

使用你的价值观...

df.groupby(['Name', 'Fruit']).agg({'Number': "sum"})

【讨论】：

【解决方案8】：

您也可以在 group by 之后在 Number 列上使用 transform()。此操作将使用函数sum 计算一组中的总数，结果是与原始数据帧具有相同索引的系列。

df['Number'] = df.groupby(['Fruit', 'Name'])['Number'].transform('sum')
df = df.drop_duplicates(subset=['Fruit', 'Name']).drop('Date', 1)

然后，您可以删除列Fruit 和Name 上的重复行。此外，您可以通过指定轴1 来删除列Date（0 用于行，1 用于列）。

# print(df)

      Fruit   Name  Number
0    Apples    Bob      16
2    Apples   Mike       9
3    Apples  Steve      10
5   Oranges    Bob      67
6   Oranges    Tom      15
7   Oranges   Mike      57
9   Oranges   Tony       1
10   Grapes    Bob      35
11   Grapes    Tom      87
14   Grapes   Tony      15

# You could achieve the same result with functions discussed by others: 
# print(df.groupby(['Fruit', 'Name'], as_index=False)['Number'].sum())
# print(df.groupby(['Fruit', 'Name'], as_index=False)['Number'].agg('sum'))

有一个官方教程Group by: split-apply-combine谈论分组后你可以做什么。

【讨论】：

这正是我想要的！我迷失了如何将sum 值从groupby()[].sum() 添加到“唯一”数据框！谢谢！

【解决方案9】：

你可以使用 dfsql
对于您的问题，它看起来像：

df.sql('SELECT fruit, sum(number) GROUP BY fruit')

https://github.com/mindsdb/dfsql

这是一篇关于它的文章：

https://medium.com/riselab/why-every-data-scientist-using-pandas-needs-modin-bringing-sql-to-dataframes-3b216b29a7c0

【讨论】：