Pandas：在 DataFrame 中创建聚合列答案

【问题标题】：Pandas: Creating aggregated column in DataFramePandas：在 DataFrame 中创建聚合列
【发布时间】：2018-08-21 09:04:29
【问题描述】：

以下面的DataFrame为例，

In [83]:
df = pd.DataFrame({'A':[1,1,2,2],'B':[1,2,1,2],'values':np.arange(10,30,5)})
df
Out[83]:
   A  B  values
0  1  1      10
1  1  2      15
2  2  1      20
3  2  2      25

生成一个新列的简单方法是什么，该列包含其中一个列上的一些数据聚合？

例如，如果我将 values 与 A 中的项目相加

In [84]:
df.groupby('A').sum()['values']
Out[84]:
A
1    25
2    45
Name: values

我怎样才能得到

   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45

【问题讨论】：

相关：（1）stackoverflow.com/questions/45346986/…（2）stackoverflow.com/questions/17432944/…

标签： python pandas

【解决方案1】：

In [20]: df = pd.DataFrame({'A':[1,1,2,2],'B':[1,2,1,2],'values':np.arange(10,30,5)})

In [21]: df
Out[21]:
   A  B  values
0  1  1      10
1  1  2      15
2  2  1      20
3  2  2      25

In [22]: df['sum_values_A'] = df.groupby('A')['values'].transform(np.sum)

In [23]: df
Out[23]:
   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45

【讨论】：

【解决方案2】：

我找到了一种使用join的方法：

In [101]:
aggregated = df.groupby('A').sum()['values']
aggregated.name = 'sum_values_A'
df.join(aggregated,on='A')

Out[101]:
   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45

谁有更简单的方法？

【讨论】：

【解决方案3】：

这不是那么直接，但我发现它非常直观（使用 map 从另一列创建新列）并且可以应用于许多其他情况：

gb = df.groupby('A').sum()['values']

def getvalue(x):
    return gb[x]

df['sum'] = df['A'].map(getvalue)
df

【讨论】：

谢谢，map 方法看起来很强大。肯定会经常使用它。

【解决方案4】：

In [15]: def sum_col(df, col, new_col):
   ....:     df[new_col] = df[col].sum()
   ....:     return df

In [16]: df.groupby("A").apply(sum_col, 'values', 'sum_values_A')
Out[16]: 
   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45

【讨论】：