在 Python Pandas 中提取 sum 的名称答案

【问题标题】：Extract name of sum in Python Pandas在 Python Pandas 中提取 sum 的名称
【发布时间】：2017-09-28 23:15:18
【问题描述】：

我有以下称为 df 的 DataFrame：

KEY_ID  READY   STEADY      GO
001     Yes     Maybe       123
002     No      Maybe       123
003     Yes     Sometimes   234
004     Yes     Later       234
005     No      Sometimes   345

我使用 df.count() 来查看一个值被填充了多少次，每次都是 5：

KEY_ID  5
READY   5
STEADY  5
GO      5

但我也想看看 STEADY 列中的值被使用了多少次。我用abc = df['STEADY'].value_counts() 这样做，这给了我：

Sometimes  2
Maybe      2
Later      1

通过 for 循环，我可以提取我刚刚使用 value_counts() 创建的 abc 中值的信息，如下所示：

for i in abc:
    print(i)

但是，我尝试了几种方法，包括

for i,j in enumerate(abc):
    print(i); print(j)

获取Sometimes、Maybe、Later的名称以及我不想手动输入它们。如何提取这些 value_counts() 值的名称？

【问题讨论】：

您没有提供足够的信息。如果您有名为DataFrame 的变量看起来像您显示的那样，则无法获得任何看起来像您与DataFrame.sum() 的总和的东西。请注意，所有答案都假设您打算分组。请澄清，以免其他读者感到困惑。
@probs 您必须告诉我们您的起始数据是如何组织的。您会在 ppl 试图猜测的地方得到答案。澄清你的问题。
已编辑，抱歉之前的问题不清楚

标签： python pandas for-loop

【解决方案1】：

您在寻找groupby() 吗？

import pandas as pd
lst = [['Apple', 1], ['Orange', 1], ['Apple', 2], ['Orange', 1], ['Apple', 3], ['Orange', 1]]
df = pd.DataFrame(lst)
df.columns = ['fruit', 'amount']

df.groupby('fruit').sum()

【讨论】：

嗨 Jan，不，我只想提取在 Pandas 中执行“Dataframe.sum”时已经存在的“Apple”和“Orange”的名称

【解决方案2】：

import pandas as pd
rowdata = [['Apple', 1], ['Orange', 1], ['Apple', 2], ['Orange', 1], ['Apple', 3],['Orange', 1]]
df = pd.DataFrame(rowdata)
df.groupby(0).sum()

这将给出如下所示的数据框，

        1
0
Apple   6
Orange  3

但只有df.sum() 会这样，

0    AppleOrangeAppleOrangeAppleOrange
1                                    9

我希望你和第一个一样期待..

【讨论】：

【解决方案3】：

IIUC：

In [339]: df
Out[339]:
     name  val
0   Apple    1
1  Orange    1
2   Apple    2
3  Orange    1
4   Apple    3
5  Orange    1

In [340]: df.groupby('name', as_index=False)['val'].sum()
Out[340]:
     name  val
0   Apple    6
1  Orange    3

In [341]: df.groupby('name', as_index=False)['val'].sum()['name']
Out[341]:
0     Apple
1    Orange
Name: name, dtype: object

In [342]: df.groupby('name', as_index=False)['val'].sum()['name'].tolist()
Out[342]: ['Apple', 'Orange']

【讨论】：

【解决方案4】：

看来你想先用boolean indexing 和isin 过滤：

print (df)
        A  B
0   Peach  3
1    Pear  6
2   Apple  1
3  Orange  1
4   Apple  2
5  Orange  1
6   Apple  3
7  Orange  1

df1 = df[df['A'].isin(['Apple','Orange'])]
print (df1)
        A  B
2   Apple  1
3  Orange  1
4   Apple  2
5  Orange  1
6   Apple  3
7  Orange  1

然后groupby 和aggregate sum:

df2 = df1.groupby('A', as_index=False)['B'].sum()
print (df2)
        A  B
0   Apple  6
1  Orange  3

另一种解决方案是groupby 和聚合first，然后按列表仅选择值：

df1 = df.groupby('A')['B'].sum()
df2 = df1.loc[['Apple','Orange']].reset_index()
print (df2)
        A  B
0   Apple  6
1  Orange  3

【讨论】：