Question

我有以下系列文章：

Index   Count
A        2
B        5
C        3
D        1
E        6

我想将A视为NO1，将B和D视为NO2，将C和E视为NO3。（请注意，NO1，NO2和NO3是类别，没有可遵循的模式。）

因此结果将是

NO1 = 2
No2 = 6
No3 = 9

我尝试使用pd.Series([]).sum()，结果是0，但这给了我这个警告：

DeprecationWarning: The default dtype for empty Series will be 'object' instead of 'float64' in a future version. Specify a dtype explicitly to silence this warning.

有谁可以阐明这一点？我实际上是python的新手。

Answer 1

最简单的方法是将系列转换为DataFrame，然后为该类别添加新列。您尚未提供该类别的映射，但是我敢肯定，您可以弄清楚如何在其中创建列，如下所示：

Index   Count  Category
A        2      No1
B        5      No2
C        3      No3
D        1      No2
E        6      No3

在这里，您可以使用DataFrame.groupby方法非常简单地找到每个类别的总和：

count = df.groupby('Category').Count.sum()

      Count
No1      2  
No2      6 
No3      9

Answer 2

代码：

import pandas as pd

df = pd.Series([2,5,3,1,6], index = ['A','B','C','D','E'])
print(df, '\n ---------- \n')

df['NO1'] = df.A
df['No2'] = df.B + df.D
df['No3'] = df.C + df.E
print(df)

输出：

A    2
B    5
C    3
D    1
E    6
dtype: int64
 ----------

A      2
B      5
C      3
D      1
E      6
NO1    2
No2    6
No3    9
dtype: int64

Answer 3

我认为最好的方法是为数据创建另一列，以标识该行是No1，no2还是n3，例如：

   count   No
A      2  No1
B      5  No2
C      3  No3
D      1  No2
E      6  No3

在这种情况下，您可以像这样使用groupby求和：

df.groupby('No').sum()

给出：

      count
No         
No1       2
No2       6
No3       9

如果不想固定No并假设要对A，C和E求和，则可以这样做：

df.loc[['A','C','E']].sum()

将输出以下内容：

count    11
dtype: int64

根据python中的索引名称计算系列的总和

3 个答案: