将数据帧总数附加到新数据帧

Question

我正在使用 pandas 来计算文件名中“anystring”所在列的总和，并添加一个行“Totals_string”，其中包含对名为“any string”的请求的总和

df = pd.read_sql("select count(*) as requests,\
filename,\
file_extension,\
date_trunc('day', log_time) as date\
from "+dbase+"\
where\
filename like '%anyStringA%'\
OR\
filename like '%anyStringB%'\
OR\
filename like '%anyStringC%'\
and\
file_extension not in ('gif')\
group by filename,file_extension,date_trunc('day', log_time)\
order by requests desc",conn)

这会创建一个像这样的 df：

requests    filename    Extension   date
0   10  xxanyStringAxx  .jpg    2018-10-31
1   8   xxanyStringBxx  .jpg    2018-10-31
2   11  xxanyStringCxx  .jpg    2018-10-31
3   12  xxxanyStringAxx .jpg    2018-10-31
.

我想用每个条件的总数创建一个新的 DF，例如 数据框看起来像

Totals_anyStringA = 22
Totals_anyStringB = 8
Totals_anyStringC = 11

根据@sacul 的建议，我这样做了：

Totals_df = (df.groupby(df.url_info_filename.str.extract('anyName(.*)')\
                        .requests.sum()\
                        .add_prefix('Total_')\
                        .to_frame()))

我的错误是：

AttributeError: 'Series' object has no attribute 'requests'

*我也不知道如何为每个不同的名称创建一个新行，正如您所见，我只是在使用 anyStringA 进行测试，但它应该以某种方式包含所有感兴趣的名称。

谢谢

Answer 1

IIUC，您想从文件名中提取Album 之后和下划线_ 之前的字符串，然后对其进行分组，得到总和，并将其放入新表中。如果是这样的话，你可以这样做（我添加了一些任意专辑来说明）：

>>> df
   Requests    filename Extension        date
0    914208  AlbumA_100      .jpg  2018-10-31
1     73795  AlbumA_132      .jpg  2018-10-31
2     39651  AlbumA_130      .jpg  2018-10-31
3        10  AlbumB_130      .jpg  2018-10-31
4        15  AlbumB_135      .jpg  2018-10-31
4        85  AlbumC_135      .jpg  2018-10-31
4        15   AlbumC_13      .jpg  2018-10-31

totals_df = (df.groupby(df.filename.str.extract('Album(.*)_'))
             .Requests.sum()
             .add_prefix('Total_')
             .to_frame())

>>> totals_df
          Requests
filename          
Total_A    1027654
Total_B         25
Total_C        100