Question

我整天都被困住了，经历过无数的SO文章，我仍然坚持到最后一篇文章。我将CSV导入到一个庞大的数据帧中，然后最终获得了下面较小的数据帧:(注意：我的df现在正在“名称”上编入索引，这是我需要的基础或总和）

  Name          Classification       Value 1     Value 2
Company 1   Classification Code 1      5000       8000      
Company 1   Classification Code 1      6000       2000
Company 2   Classification Code 1      2000       3000    
Company 2   Classification Code 1      1000       4500     
Company 3   Classification Code 2      15000      10000      
Company 3   Classification Code 2      20000      32000     
Company 4   Classification Code 3      7500       10000    
Company 4   Classification Code 3      7000       1500

我现在正在努力的是如何根据公司对两个值进行求和（我主要使用groupby和sum（）但是已经停留了几个小时。我知道有很多SO文章都在讨论求和在熊猫的事情，但我几个小时没有运气。非常感谢任何帮助。非常感谢。

编辑：我正在寻找的输出是以下

Company 1    Classification Code 1    11,000    10,000
Company 2    Classification Code 1    3,000      7,500
Company 3    Classification Code 2    35,000    42,000
Company 4    Classification Code 3    14,500    11,500

Answer 1

选项1
set_index然后groupby
这假设'Classification'

列中的Company列相同

df.set_index('Classification', append=True) \
    .groupby(level=[0, 1]).sum().reset_index(1)

                  Classification  Value 1  Value 2
Name                                              
Company 1  Classification Code 1    11000    10000
Company 2  Classification Code 1     3000     7500
Company 3  Classification Code 2    35000    42000
Company 4  Classification Code 3    14500    11500

选项2
groupby然后agg
这不会对'Classification' 'Company'的{{1}}的唯一性做出任何假设，但只会抓住每个'Classification'的第一个'Company'

df.groupby(level=0).agg(
    {'Classification': 'first', 'Value 1': 'sum', 'Value 2': 'sum'})

                  Classification  Value 1  Value 2
Name                                              
Company 1  Classification Code 1    11000    10000
Company 2  Classification Code 1     3000     7500
Company 3  Classification Code 2    35000    42000
Company 4  Classification Code 3    14500    11500

对评论的回应
关于连接
使用dtypes检查df.dtypes。如果您看到object而不是int，那么您需要转换为numeric。

您只需使用

即可

df.apply(pd.to_numeric, errors='ignore').groupby(level=0).agg(
    {'Classification': 'first', 'Value 1': 'sum', 'Value 2': 'sum'})

或更多手动

df['Value 1'] = df['Value 1'].astype(int)
df['Value 2'] = df['Value 2'].astype(int)

然后继续事先的建议。

关于列的放置
您可以随时重新排序列

d1 = df.apply(pd.to_numeric, errors='ignore').groupby(level=0).agg(
    {'Classification': 'first', 'Value 1': 'sum', 'Value 2': 'sum'})

d1[df.columns]

或者

d1 = df.apply(pd.to_numeric, errors='ignore').groupby(level=0).agg(
    {'Classification': 'first', 'Value 1': 'sum', 'Value 2': 'sum'})

d1.reindex_axis(df.columns, 1)

Python Pandas Group Dataframe by Column / Sum Integer Column by String Column

1 个答案: