在 DataFrame 中对行进行分组答案

【问题标题】：Group Rows in a DataFrame在 DataFrame 中对行进行分组
【发布时间】：2019-01-16 20:03:40
【问题描述】：

我有一个 DataFrame，其列类似于：

我想使用 'pd.groupby' 根据 ID 列对行进行分组。此外，我想使用 '.agg()' 将函数应用于每一列。

对于带有分数的列，我想应用“np.average”。例如，对于“Reliability Score Flow A”列，权重在“Flow A”列中，对于“Flow B”列中的“Reliability Score Flow B”列，以此类推。另一方面，对于有 Flows 的列，我只想使用 sum。

因此，预期的输出将类似于：

enter image description here

你是怎么做到的？

谢谢你，

【问题讨论】：

你读过docs吗？
您能否提供数据帧的样本以及您的预期输出？
@rahlf23，我已经更改了帖子。感谢您的帮助。
@jeschwar，是的，我有。但是，这是我第一次使用 Pandas，我正在边做边学。谢谢你的信息。
Python Pandas : group by in group by and average?的可能重复

标签： python pandas numpy dataframe

【解决方案1】：

创建一个字典，展示如何聚合每一列。

dd = {k:'mean' for k in df.filter(regex='^Flow.*').columns.tolist()}
for i in df.filter(like='Relia'):
    dd[i] = 'sum'
dd

输出：

{'Flow A': 'mean',
 'Flow B': 'mean',
 'Flow C': 'mean',
 'Flow D': 'mean',
 'Flow E': 'mean',
 'Reliabilty Score Flow A': 'sum',
 'Reliabilty Score Flow B': 'sum',
 'Reliabilty Score Flow C': 'sum',
 'Reliabilty Score Flow D': 'sum',
 'Reliabilty Score Flow E': 'sum'}

然后将groupby 与agg 和字典一起使用，dd：

df.groupby('ID').agg(dd).reindex(df.columns[1:], axis=1)

【讨论】：