Groupby 和 sum 基于列名答案

【问题标题】：Groupby and sum based on column nameGroupby 和 sum 基于列名
【发布时间】：2021-08-25 22:18:17
【问题描述】：

我有一个数据框：

df = pd.DataFrame({ 
    'BU': ['AA', 'AA', 'AA', 'BB', 'BB', 'BB'], 
    'Line_Item': ['Revenues','EBT', 'Expenses', 'Revenues', 'EBT', 'Expenses'],
    '201901': [100, 120, 130, 200, 190, 210],
    '201902': [100, 120, 130, 200, 190, 210],
    '201903': [200, 250, 450, 120, 180, 190],
    '202001': [200, 250, 450, 120, 180, 190],
    '202002': [200, 250, 450, 120, 180, 190],
    '202003': [200, 250, 450, 120, 180, 190]
})

这些列分别代表年和月。我想将几个月的列汇总为一年的新列。结果应如下所示：

df = pd.DataFrame({ 
    'BU': ['AA', 'AA', 'AA', 'BB', 'BB', 'BB'], 
    'Line_Item': ['Revenues','EBT', 'Expenses', 'Revenues', 'EBT', 'Expenses'],
    '201901': [100, 120, 130, 200, 190, 210],
    '201902': [100, 120, 130, 200, 190, 210],
    '201903': [200, 250, 450, 120, 180, 190],
    '202001': [200, 250, 450, 120, 180, 190],
    '202002': [200, 250, 450, 120, 180, 190],
    '202003': [200, 250, 450, 120, 180, 190],
    '2019': [400, 490, 710, 520, 560, 610],
    '2020': [600, 750, 1350, 360, 540, 570]
})

我的实际数据集有很多年，每年有 12 个月。希望不必手动添加列。

【问题讨论】：

"df.assign 似乎无法对列求和" 是什么意思？它什么都不做？抛出错误（如果是，发布回溯）？创建列但结果错误？请发布您尝试过的代码并准确解释它为什么不起作用。
感谢您的反馈。稍后我会发布回溯。

标签： pandas columnheader

【解决方案1】：

尝试创建一个包含年份列的 DataFrame 并转换列名to_datetime：

data_df = df.iloc[:, 2:]
data_df.columns = pd.to_datetime(data_df.columns, format='%Y%m')

   2019-01-01  2019-02-01  2019-03-01  2020-01-01  2020-02-01  2020-03-01
0         100         100         200         200         200         200
1         120         120         250         250         250         250
2         130         130         450         450         450         450
3         200         200         120         120         120         120
4         190         190         180         180         180         180
5         210         210         190         190         190         190

resample sum 按年份的列和 rename 列仅转换为年份值：

data_df = (
    data_df.resample('Y', axis=1).sum().rename(columns=lambda c: c.year)
)

   2019  2020
0   400   600
1   490   750
2   710  1350
3   520   360
4   560   540
5   610   570

然后join回到原来的DataFrame：

new_df = df.join(data_df)

new_df:

   BU Line_Item  201901  201902  201903  202001  202002  202003  2019  2020
0  AA  Revenues     100     100     200     200     200     200   400   600
1  AA       EBT     120     120     250     250     250     250   490   750
2  AA  Expenses     130     130     450     450     450     450   710  1350
3  BB  Revenues     200     200     120     120     120     120   520   360
4  BB       EBT     190     190     180     180     180     180   560   540
5  BB  Expenses     210     210     190     190     190     190   610   570

【讨论】：

【解决方案2】：

你对列求和总是相同的吗？也就是说，是否总是有 3 个具有相同名称的 2019 列和具有这些名称的 3 个 2020 列？如果是这样，您可以对这些新列进行硬编码。

df['2019'] = df['201901'] + df['201902'] + df['201903']
df['2020'] = df['202001'] + df['202002'] + df['202003']

【讨论】：

谢谢。我的实际数据集非常大，有很多年，每年有 12 个月。希望避免手动添加它们