熊猫数据框，我如何可以分组由多个列，并应用和特定列和添加新的计数列？
给定一个数据帧df1如下：
Col1 Col2 Col3 Col4 Col5
-------------------------------------
A 1 AA 10 Test1
A 1 AA 5 Test2
A 2 AB 30 Test3
B 4 FF 10 Test4
C 1 HH 4 Test7
C 3 GG 6 Test8
C 3 GG 7 Test9
D 1 AA 4 Test5
D 3 FF 6 Test6
>
我想按Col1，Col2和Col3分组
添加新列计数：每个组的大小
添加新列Col4_sum：各组中每个Col4的总和
输出需求
Col1 Col2 Col3 Count Col4_sum
----------------------------------------
A 1 AA 2 15
A 2 AB 1 30
B 4 FF 1 10
C 1 HH 1 4
C 3 GG 2 13
D 1 AA 1 4
D 3 FF 1 6
我试着用
df1.groupby(['Col1','Col2','Col3']).size
但只获取Count列。
共有3个答案
这应该能解决你的问题。
df2 = df.groupby(['Col1','Col2','Col3'])['Col4'].agg('sum')
您可以使用列名和聚合函数的判决。看https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.aggregate.html
>>> df = pd.DataFrame([[1, 2, 3],
... [4, 5, 6],
... [7, 8, 9],
... [np.nan, np.nan, np.nan]],
... columns=['A', 'B', 'C'])
>>> df.agg({'A' : ['sum', 'min'], 'B' : ['min', 'max']})
# A B
# max NaN 8.0
# min 1.0 2.0
# sum 12.0 NaN
使用带有元组的GroupBy.agg指定具有新列名的聚合函数：
df = (df1.groupby(['Col1','Col2','Col3'])['Col4']
.agg([('Count','size'), ('Col4_sum','sum')])
.reset_index())
print (df)
Col1 Col2 Col3 Count Col4_sum
0 A 1 AA 2 15
1 A 2 AB 1 30
2 B 4 FF 1 10
3 C 1 HH 1 4
4 C 3 GG 2 13
5 D 1 AA 1 4
6 D 3 FF 1 6
在熊猫0.25是可能使用命名聚合：
df = (df1.groupby(['Col1','Col2','Col3'])
.agg(Count=('Col5', 'size'), Col4_sum=('Col4', 'sum'))
.reset_index())
print (df)
Col1 Col2 Col3 Count Col4_sum
0 A 1 AA 2 15
1 A 2 AB 1 30
2 B 4 FF 1 10
3 C 1 HH 1 4
4 C 3 GG 2 13
5 D 1 AA 1 4
6 D 3 FF 1 6
-
我创建了一个名为的函数，该函数采用了如图所示的这3个参数，结果是新参数。我想将此函数应用于一个数据帧，其中函数参数是数据帧中的某些列，并希望将函数的输出参数添加为数据帧中的新参数，在数据帧中为每行计算函数。
-
如何用于返回添加了多个新列的原始DataFrame的副本？ 预期结果： 上面的示例导致： 。 背景： Pandas中的函数获取与新分配列关联的相关数据帧的副本，例如：。 此函数的0.19.2文档说明可以向数据帧添加多个列。 可以在同一分配中分配多个列，但不能引用在同一分配调用中创建的其他列。 此外： 参数： kwargs:关键字，值对 关键字是列名。 函数的源代码声明它接受字典：
-
我正在与以下df合作： 我想强制所有年份的数字： 有没有一个简单的方法来做这件事，还是我必须把它们全部打印出来？
-
问题内容： 我必须合并两个数据框： df1 df2 我必须将两个数据框统一为一个数据框。我需要像这样的输出： 问题答案： 用途： 样品：
-
问题内容： 我将数据存储在pandas数据框中，如下所示： 所以，我的数据看起来像这样 我想将其转换为另一个数据框。预期的输出可以在以下python脚本中显示： 因此，我的预期输出如下所示 实际上，我可以使用以下命令来找到所有组合并对其进行计数： 但是，事实证明，此类组合在单个列中。我想将组合中的每个值分隔到不同的列中，并且还要为计数结果增加一列。有可能这样做吗？请问您有什么建议吗？先感谢您。 问
-
问题内容： 我有一个OHLC价格数据集，该数据集已从CSV解析为Pandas数据框，并重新采样为15分钟的柱形： 我想添加各种计算的列，从简单的列开始，例如期间范围（HL），然后是布尔值以指示我将定义的价格模式的出现-例如锤形蜡烛模式，为其定义示例： 基本问题：如何将函数映射到列，特别是在我想引用多个其他列或整行或其他内容的地方？ 这篇文章处理从单个源列添加两个计算列，这是很接近的，但还不完全是。