如何聚合某些列，同时将其他列保留在 Python 中答案

【问题标题】：How to aggregate some column while keeping others in Python如何聚合某些列，同时将其他列保留在 Python 中
【发布时间】：2019-07-19 14:35:21
【问题描述】：

我有一个包含>100 variables 的数据集，但为了说明问题，我将其简化如下。

我想groupby()colA,colB和sum()colD，同时取colC和colE的不同值

我已经尝试过以下方法，但正如您所知，这只会返回我分组的列和我总结的列，并且永远不会返回 colC 和 colE

方法1： df.groupby(['colA','colB').aggregate({'colC': sum})

方法2：我可以像上面那样聚合它们，然后稍后将其加入同一个表以获得结果。

approach3： 在 groupby 中包含所有列，但是当我这样做时，我无法按照 Missing 的值进行分组，就像您在 colE 中看到的那样

我有什么选择？

更正 更新：我刚刚更正了我之前呈现数据的方式，它不正确

data = [
    ["25-5-19", "cat1", "cat3", 10, 1],
    ["25-5-19", "cat1", "cat3", 20, 1],
    ["25-5-19", "cat1", "cat3", 30, 1],
    ["26-5-19", "cat2", "cat4", 50, 2],
    ["26-5-19", "cat2", "cat4", 100, 2],
    ["26-5-19", "cat2", "cat4", 10, 2],
    ["27-5-19", "cat1", "cat5", 40, None],
    ["27-5-19", "cat1", "cat5", 60, None]
]

【问题讨论】：

我有一个库，用于受 knime 启发的更复杂的数据框操作。您可以检查一下，看看是否有任何功能可以帮助您的情况。 github.com/gokhangerdan/knime2python Groupby 函数在第 200 行。
取 colC 的不同值你想要nunique()吗？
@QuangHoang，您的问题帮助我找到了立即对我有用的以下解决方案。谢谢！

标签： python pandas pandas-groupby

【解决方案1】：

看来你需要

df['New']=df.groupby(['colA','colB'])['colC'].transform('sum')

【讨论】：

【解决方案2】：

我想 groupby() colA,colB 和 sum() colD，同时取 colC 和 colE 的不同值

所以我相信你可以在聚合器中使用 set 并在完成后使用 reset_index()：

# dataframe data from example (+ extra `cat1` in ColC)
data = [
    ["25-5-19", "cat1", "cat1", 10, 1],
    ["25-5-19", "cat1", "cat3", 20, 1],
    ["25-5-19", "cat1", "cat3", 30, None],
    ["26-5-19", "cat2", "cat4", 50, 2],
    ["26-5-19", "cat2", "cat4", 100, 2],
    ["26-5-19", "cat2", "cat4", 10, 2]
] 

df = pd.DataFrame(data, columns = ['colA', 'colB', 'colC', 'colD', 'colE']) 

# aggregator sums over `colD` and gets distinct values of `colC` and `colE`
df.groupby(['colA', 'colB']).aggregate({'colD': sum, 'colC': set, 'colE': set}).reset_index()


| - | colA  |colB   | colE         | colD   | colC          |
|---|-------|-------|--------------|--------|---------------|
|0  |25-5-19|  cat1 |   {nan, 1.0} |  60    |  {cat3, cat1} |
|1  |26-5-19|  cat2 |   {2.0}      |  160   |   {cat4}      |

【讨论】：

【解决方案3】：

df = pd.DataFrame(data, columns = ['colA', 'colB', 'colC', 'colD', 'colE']) 

df['colE'] = df['colE'].fillna(-1)# I replaced all NaN with -1 to avoid `function not reduce error`

df.groupby(['colA','colB']).aggregate({'colD':sum,'colC':np.unique,'colE':np.unique})

【讨论】：