如何选择数据框中的特定行，对它们进行分组并使用 python 求和？答案

【问题标题】：How to select specific rows in a dataframe, group them and find the sum using python?如何选择数据框中的特定行，对它们进行分组并使用 python 求和？
【发布时间】：2020-12-12 02:38:04
【问题描述】：

以下是一些示例数据：

mydf = {'Month': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
        'Freq': [5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60]
        }
my_df = pd.DataFrame(mydf, columns=['Month', 'Freq'])
my_df

  Month Freq
0   1   5
1   2   10
2   3   15
3   4   20
4   5   25
5   6   30
6   7   35
7   8   40
8   9   45
9   10  50
10  11  55
11  12  60

如何创建一个新的数据框，将月份分组为季节并找到每个季节频率的总和，而输出仍然是一个数据框？

我想要这样的东西：（冬天是月份 = 12、1、2）（春天是月份 = 3、4、5）（等等......）

   Season Freq
0  Winter 75
1  Spring 60
2  Summer 105
3  Autumn 150

我尝试选择行并将它们连接起来，但不幸的是我不断收到错误。

【问题讨论】：

与this question相关

标签： python pandas dataframe pandas-groupby

【解决方案1】：

您可以在该列上创建一个包含季节和组的新列：

my_df['Season']=df['Month'].apply(lambda x: 'Winter' if x in (12,1,2) else 'Spring' if x in (3,4,5) else 'Summer' if x in (6,7,8) else 'Autumn')

res=my_df.groupby('Season')['Freq'].sum()

>>> print(res)

Season
Autumn    150
Spring     60
Summer    105
Winter     75

【讨论】：

【解决方案2】：

最简单的方法之一是创建月份到季节映射器，然后使用 panda 的 map 函数

season_map = {1: 'Winter', 2: 'Winter', 3: 'Spring', 4: 'Spring', 5: 'Spring', 6: 'Summer', 7: 'Summer', 8: 'Summer', 9:'Autumn', 10:'Autumn', 11: 'Autumn', 12: 'Winter'}
my_df.loc[:, 'season'] = my_df.Month.map(season_map)
my_df.groupby('season').freq.sum()

如果不想手动创建映射器，可以使用这个答案：Python: Datetime to season

【讨论】：

【解决方案3】：

这并不像应有的那样时尚（由于大量的 if 语句），但它确实有效：

    import pandas as pd

mydf = {'Month': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
        'Freq': [5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60]}
my_df = pd.DataFrame(mydf, columns=['Month', 'Freq'])

winter_counter = 0
spring_counter = 0
summer_counter = 0
autumn_counter = 0

for i in range(len(my_df)):
    #print(my_df.at[i,'Month'])
    if(my_df.at[i,'Month'] == 12 or my_df.at[i,'Month'] == 1 or my_df.at[i,'Month'] == 2):
        winter_counter = winter_counter + my_df.at[i,'Freq']
    if(my_df.at[i,'Month'] == 3 or my_df.at[i,'Month'] == 4 or my_df.at[i,'Month'] == 5):
        spring_counter = spring_counter + my_df.at[i,'Freq']
    if(my_df.at[i,'Month'] == 6 or my_df.at[i,'Month'] == 7 or my_df.at[i,'Month'] == 8):
        summer_counter = summer_counter + my_df.at[i,'Freq']
    if(my_df.at[i,'Month'] == 9 or my_df.at[i,'Month'] == 10 or my_df.at[i,'Month'] == 11):
        autumn_counter = autumn_counter + my_df.at[i,'Freq']

data_for_result = {
    'Season': ['Winter','Spring','Summer','Autumn'],
    'Freq': [winter_counter, spring_counter, summer_counter, autumn_counter],
}
my_result = pd.DataFrame(data_for_result,columns = ['Season','Freq'])
print(my_result)

如果您需要解释：

.at：访问一个奇异值 [row,columnName]，我首先使用它来查看该行属于哪个季节，然后访问 freq 以将其添加到其对应的计数器中

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.at.html#pandas.DataFrame.at

【讨论】：