如何使用熊猫根据某列中的值合并/划分数据框中的行？答案

【问题标题】：How to consolidate/divide rows within a data frame based on a value within a certain column using pandas?如何使用熊猫根据某列中的值合并/划分数据框中的行？
【发布时间】：2022-01-21 15:47:20
【问题描述】：

起始df如下：

company  metric  time   data
x        X10384  M1     100
x        X10384  M2     100
x        X10384  M3     100
y        X10456  M4     200
y        X10456  M5     200
y        X10456  M6     200

我需要能够根据时间维度的值合并这些行。基本上“M1、M2、M3”将包含 Q1，“M4、M5、M6”将包含 Q2，依此类推。

生成的 df 需要如下所示：

company  metric  time   data
x        X10384  Q1     300
y        X10456  Q2     600

同样，如果从 df 开始，我将需要能够将时间分成几个月并将数据分成相等的三个，就像在初始 df 中一样。

如何尝试像上面那样转换这些数据？以下是我的参考起点：

quarters = ['Q1', 'Q2']
months = ['M1','M2','M3','M4','M5','M6']

for time in df['time']:
    if time in quarters:
        [insert transformation into individual months]
    elif time in months:
        [insert transformation into quarters]

【问题讨论】：

标签： python pandas list dataframe

【解决方案1】：

从time 列中提取数字，然后将它们转换为季度数字。最后，一个简单的groupby_sum 完成这项工作：

# Convert M1, M2, M3, M4, M5, M6 to Q1, Q1, Q1, Q2, Q2, Q2
to_quarter = df['time'].str[1:].astype(int).floordiv(4).add(1).astype(str).radd('Q')

out = df.assign(time=to_quarter).groupby(['company', 'metric', 'time']) \
                                .sum().reset_index()

输出：

>>> out
  company  metric time  data
0       x  X10384   Q1   300
1       y  X10456   Q2   600

【讨论】：

对于您的另一部分（季度到月）如何知道哪个月？

【解决方案2】：

根据您的数据创建数据框：

data = {'Company' : ['x', 'x', 'x', 'y', 'y', 'y'],  
        'Metric' : ['X10384', 'X10384', 'X10384', 'X10456', 'X10456', 'X10456'],
        'time': ['M1', 'M2', 'M3', 'M4', 'M5', 'M6'],
        'data': [100, 100, 100, 200, 200, 200]}
df = pd.DataFrame(data)

然后创建字典并按时间映射：

dict = {'M1': 'Q1', 'M2' : 'Q1', 'M3' : "Q1", 'M4' : 'Q2', 'M5' : 'Q2', 'M6' : 'Q2'}
df['time'] = df['time'].map(dict)

而groupby会给你最终的结果：

df.groupby(['Company','Metric','time']).sum().reset_index()

【讨论】：

+1 但您可以将as_index=False 传递给groupby 以在末尾不写reset_index；但如果您发现reset_index 更具可读性，恕我直言，这也是可以理解的。此外，将内置的dict 遮住，作为荧光笔信号，之后会使其无法使用。

【解决方案3】：

从几个月到几个季度

输入

company  metric  time   data
x        X10384  M1     100
x        X10384  M2     100
x        X10384  M3     100
y        X10456  M4     200
y        X10456  M5     200
y        X10456  M6     200

创建一个以月为键的字典，以季度为值，并用键映射列

months_to_quarters_dict = {'M1': 'Q1', 'M2' : 'Q1', 'M3' : "Q1", 'M4' : 'Q2', 'M5' : 'Q2', 'M6' : 'Q2'}
df['time'] = df['time'].map(months_to_quarters_dict)

输出 (1a)

company  metric  time   data
x        X10384  Q1     100
x        X10384  Q1     100
x        X10384  Q1     100
y        X10456  Q2     200
y        X10456  Q2     200
y        X10456  Q2     200

使用 groupby().agg('sum') 得到浓缩的 df

df.groupby(['Company','Metric','time'], as_index=False).agg('sum')

输出 (1b)

company  metric  time   data
x        X10384  Q1     300
y        X10456  Q2     600

从季度到月

输入

company  metric  time   data
x        X10384  Q1     300
y        X10456  Q2     600

创建一个以季度为键的字典以获取以月为单位的值，并用键映射列

quarters_to_months_dict = {'Q1' : ['M1', 'M2', 'M3'], 'Q2' : ['M4', 'M5', 'M6']}
df['time'] = df['time'].map(months_to_quarters_dict)

输出 (2a)

  company  metric time  data
0       x  X10384   ['M1', 'M2', 'M3']   300
1       y  X10456   ['M4', 'M5', 'M6']   600

使用explode on time 列拆分行，然后将数据列除以3，得到一个季度每个月的相等数量

df = df.explode('time')
df['data'] = df['data].div(3)

输出 (2b)

company  metric  time   data
x        X10384  M1     100
x        X10384  M2     100
x        X10384  M3     100
y        X10456  M4     200
y        X10456  M5     200
y        X10456  M6     200

【讨论】：