熊猫分组和

205

我正在使用此数据框：

Fruit   Date      Name  Number
Apples  10/6/2016 Bob    7
Apples  10/6/2016 Bob    8
Apples  10/6/2016 Mike   9
Apples  10/7/2016 Steve 10
Apples  10/7/2016 Bob    1
Oranges 10/7/2016 Bob    2
Oranges 10/6/2016 Tom   15
Oranges 10/6/2016 Mike  57
Oranges 10/6/2016 Bob   65
Oranges 10/7/2016 Tony   1
Grapes  10/7/2016 Bob    1
Grapes  10/7/2016 Tom   87
Grapes  10/7/2016 Bob   22
Grapes  10/7/2016 Bob   12
Grapes  10/7/2016 Tony  15

我想按名称然后按水果进行汇总，以获得每个名称的水果总数。

Bob,Apples,16 ( for example )

我尝试按名称和水果分组，但是如何获取水果总数。

— 正在努力尝试
source

209

用途GroupBy.sum：

df.groupby(['Fruit','Name']).sum()

Out[31]: 
               Number
Fruit   Name         
Apples  Bob        16
        Mike        9
        Steve      10
Grapes  Bob        35
        Tom        87
        Tony       15
Oranges Bob        67
        Mike       57
        Tom        15
        Tony        1

— 史蒂芬·G
source

94

熊猫如何知道我要对名为col的col求和Number？

— Kingname

12

@Kingname，如果您取出NAME和FRUIT，则为最后一列。如果您再增加2列，则将两列相加

— Steven G

9

如何指定要累加的列？

— tgdn

34

@tgdn df.groupby（[['Name'，'Fruit']）['Number']。sum（）

— 史蒂文·G

2

@StevenG为了提供总结特定列的答案，输出将以Pandas系列而不是Dataframe的形式出现。根据Jakub Kukul的评论（在下面的答案中），我们可以在“ Number”周围使用双方括号来获取数据框。

— skdhfgeq2134

178

你也可以使用agg函数

df.groupby(['Name', 'Fruit'])['Number'].agg('sum')

— 索拉卜
source

1

这与接受的答案不同，因为它返回一个a，Series而另一个返回一个GroupBy对象。

— Gaurang Tandon，

11

@GaurangTandon改为获取DataFrame对象（如在接受的答案中一样），请使用双方括号括起来'Number'，即：df.groupby(['Name', 'Fruit'])[['Number']].agg('sum')

— Jakub Kukul

1

在清理编码错误的查询报告时非常有帮助。

— 20:39

92

如果要保留原始列Fruit和Name，请使用reset_index()。否则，Fruit和Name将成为指数的一部分。

df.groupby(['Fruit','Name'])['Number'].sum().reset_index()

Fruit   Name       Number
Apples  Bob        16
Apples  Mike        9
Apples  Steve      10
Grapes  Bob        35
Grapes  Tom        87
Grapes  Tony       15
Oranges Bob        67
Oranges Mike       57
Oranges Tom        15
Oranges Tony        1

如其他答案所示：

df.groupby(['Fruit','Name'])['Number'].sum()

               Number
Fruit   Name         
Apples  Bob        16
        Mike        9
        Steve      10
Grapes  Bob        35
        Tom        87
        Tony       15
Oranges Bob        67
        Mike       57
        Tom        15
        Tony        1

— 加萨拉·穆罕默德（Gazala Muhamed）
source

43

其他两个答案都能满足您的需求。

您可以使用该pivot功能将数据排列在一个漂亮的表中

df.groupby(['Fruit','Name'],as_index = False).sum().pivot('Fruit','Name').fillna(0)



Name    Bob     Mike    Steve   Tom    Tony
Fruit                   
Apples  16.0    9.0     10.0    0.0     0.0
Grapes  35.0    0.0     0.0     87.0    15.0
Oranges 67.0    57.0    0.0     15.0    1.0

— 德米特·帕纳诺斯（Demetri Pananos）
source

19

df.groupby(['Fruit','Name'])['Number'].sum()

您可以选择不同的列来对数字求和。

— 震撼
source

7

您可以将设置groupby栏 index ，然后使用sum与level

df.set_index(['Fruit','Name']).sum(level=[0,1])
Out[175]: 
               Number
Fruit   Name         
Apples  Bob        16
        Mike        9
        Steve      10
Oranges Bob        67
        Tom        15
        Mike       57
        Tony        1
Grapes  Bob        35
        Tom        87
        Tony       15

— YOBEN_S
source

3

.agg（）函数的变体；提供以下功能：（1）持久化类型DataFrame，（2）应用平均值，计数，求和等，以及（3）在保持易读性的同时在多个列上启用groupby。

df.groupby(['att1', 'att2']).agg({'att1': "count", 'att3': "sum",'att4': 'mean'})

用你的价值观...

df.groupby(['Name', 'Fruit']).agg({'Number': "sum"})

— xxyjoel
source