熊猫数据框 groupby 不丢失分组的列答案

【问题标题】：pandas dataframe groupby without losing the column which was grouped熊猫数据框 groupby 不丢失分组的列
【发布时间】：2021-06-23 19:17:27
【问题描述】：

在last post 上，我发布了我在根据特定条件删除/求和行时遇到问题，并且有人帮助纠正了这样的代码。

这是我的代码：

import pandas as pd
df=pd.DataFrame({
                'cars':['Kia rio','Bmw','Mercedes','Ford','Kia','Mercedes Benz'],
                'rent':[1,1,2,1,4,2],
                'sale':[2,4,1,1,5,1],
                'id':[2000,1000,3000,4000,2000,3000]
                })
print(df)
df1 = df.drop_duplicates().groupby(['id'], sort=False, as_index=False).sum()
print(df1)

但是当我运行 groupby 方法时，它会丢弃 汽车列。谁能帮我解决这个问题？

我得到了这个输出：

     id  rent  sale
0  2000     5     7
1  1000     1     4
2  3000     4     2
3  4000     1     1

预期输出：

    cars    rent  sale  id
   Kia         5     7  2000
      Bmw      1     4  1000
     Mercedes  2     1  3000
        Ford   1     1  4000

【问题讨论】：

为什么Kia在输出中是2次？
我编辑了代码谢谢

标签： python pandas dataframe

【解决方案1】：

您需要聚合列以将其保留在输出中（或传递给by 参数，如id），因此为了避免丢失cars 列，使用聚合函数last 来获取每组cars 的最后一个值，也为另外 2 列指定聚合 sum：

df1 = df.drop_duplicates().groupby('id',sort=False,as_index=False).agg(cars=('cars','last'),
                                                                       rent=('rent', 'sum'),
                                                                       sale=('sale', 'sum'))
print(df1)
     id           cars  rent  sale
0  2000            Kia     5     7
1  1000            Bmw     1     4
2  3000  Mercedes Benz     4     2
3  4000           Ford     1     1

如果可能，split carnames 按第一个空格并按 id 和 cars 聚合：

df['cars'] = df['cars'].str.split().str[0]
df1 = df.drop_duplicates().groupby(['id','cars'], sort=False, as_index=False).sum()
print(df1)
     id      cars  rent  sale
0  2000       Kia     5     7
1  1000       Bmw     1     4
2  3000  Mercedes     2     1
3  4000      Ford     1     1

【讨论】：

@AhmedChater - 数据中有'Mercedes','Mercedes Benz'，所以值不同，所以drop_duplicates() 没有被删除。

【解决方案2】：

我相信它正在发生，因为cars 是非数字的，默认情况下会在 DataFrame sum 上跳过它。 Sum 有一个可选参数numeric_onlybool，它表示：

numeric_onlybool, default None

    Include only float, int, boolean columns. If None, will attempt to use everything, then use only numeric data. Not implemented for Series.

来源： https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.sum.html

这个问题也有一些关于分组字符串部分的好信息： Pandas groupby: How to get a union of strings

【讨论】：

【解决方案3】：

import pandas as pd
df = pd.DataFrame({
                'cars':['Kia rio', 'Bmw', 'Mercedes', 'Ford', 'Kia', 'Mercedes Benz'],
                'rent':[1, 1, 2, 1, 4, 2],
                'sale':[2, 4, 1, 1, 5, 1],
                'id': [2000, 1000, 3000, 4000, 2000, 3000]
                })
print(df)
df1 = df.drop_duplicates().groupby(['id', 'cars'], sort=False, as_index=False).sum()
print(df1)

【讨论】：