Pandas：考虑不同实体的最大值，在时间范围内求和

Question

date        value           pointName   pointNr     connectedPoint  ownerName
2018-05-08  2.039373e+08    Miami_1     P-00068     Point_1         Owner_1
2018-05-09  2.546125e+08    Miami_1     P-00068     Point_1         Owner_1 
2018-05-09  2.546010e+08    Miami_2     P-00066     Point_1         Owner_2 
2018-05-08  2.037412e+08    Miami_2     P-00066     Point_1         Owner_2 
2018-05-09  7.142878e+08    New_York_1  P-00211     Point_2         Owner_3 
2018-05-08  6.567392e+08    New_York_1  P-00211     Point_2         Owner_3 
2018-05-08  6.567392e+08    New_York_2  P-00188     Point_2         Owner_4 
2018-05-09  7.141274e+08    New_York_3  P-00126     Point_2         Owner_2 
2018-05-09  7.142878e+08    New_York_2  P-00188     Point_2         Owner_4 
2018-05-08  6.566841e+08    New_York_3  P-00126     Point_2         Owner_2 
2018-05-08  0.000000e+00    Boston_1    P-00081     Point_3         Owner_4 
2018-05-08  0.000000e+00    Boston_2    P-00105     Point_3         Owner_5
2018-05-09  6.987462e+07    Boston_2    P-00105     Point_3         Owner_5
2018-05-09  7.000680e+07    Boston_1    P-00081     Point_3         Owner_4 

上面的sn-p或多或少是以下结果：

rng = pd.DataFrame(my_df[['date', 'value', 'pointName', 'pointNr', 'connectedPoint', 'ownerName]].sort_values('connectedPoint').reset_index(drop=True))
rng.head(14)

我得到了全年的数据。对于这个例子，我选择了两天（2018-05-08 和 2018-05-09）

我想计算一个时间范围内的总和（在本例中：两天），但每天只计算每个 connectedPoint 的最大值。

2018-05-08 伪数学写作示例：
总和（最大{Point1} + 最大{Point2} + 最大{Point3}）
= 2.039373e+08 + 6.567392e+08 + …

最后，我们将每一天（第 1 天 + 第 2 天 + 第 3 天……）的值（即之前计算的总和）相加，得出一个最终值。

我尝试了使用 groupby 的不同方法，以及以下变体：

rng['date'] = pd.to_datetime(rng['date'])
rng.index = rng['date'] 
rng.resample('D').max()

抱歉，我是 python 和 pandas 的新手。我在网上搜索过，但即使这种情况对你们中的许多人来说很明显，我仍然找不到解决方案。我被困住了。

提前致谢！

Answer 1

使用DataFrame.groupby + DataFrame.unstack

df1=df.groupby(['date','connectedPoint'])['value'].max().unstack()
print(df1)

---

connectedPoint      Point_1      Point_2     Point_3
date                                                
2018-05-08      203937300.0  656739200.0         0.0
2018-05-09      254612500.0  714287800.0  70006800.0

---

按日期获取总金额：

sum_date=df1.sum(axis=1)
print(sum_date)

date
2018-05-08    8.606765e+08
2018-05-09    1.038907e+09
dtype: float64

---

获取总和：

sum_tot=sum_date.sum()
print(sum_tot)

1899583600.0