如何通过另一列上的值聚合一列？答案

【问题标题】：How to aggregate a column by a value on another column?如何通过另一列上的值聚合一列？
【发布时间】：2018-06-02 00:33:59
【问题描述】：

假设我有以下 df。

df = pd.DataFrame({
    'A':['x','y','x','y'],
    'B':['a','b','a','b'],
    'C':[1,10,100,1000],
    'D':['w','v','v','w']
})

    A   B   C       D
0   x   a   1       w
1   y   b   10      v
2   x   a   100     v
3   y   b   1000    w

我想按 A 和 B 列分组，对 C 列求和，并保留 D 中的值，这是 C 的最大组值的同一行。像这样：

A   B   C      D
x   a   101    v
y   b   1010   w

到目前为止，我有这个：

df.groupby(['A','B']).agg({'C':sum})

A   B   C
x   a   101
y   b   1010

我必须用什么函数来聚合 D 列？

【问题讨论】：

标签： pandas pandas-groupby

【解决方案1】：

您可以将DataFrameGroupBy.idxmax 用于C 和loc 的最大值索引：

#unique index
df.reset_index(drop=True, inplace=True)
df1 = df.groupby(['A','B'])['C'].agg(['sum', 'idxmax'])
df1['idxmax'] = df.loc[df1['idxmax'], 'D'].values
df1 = df1.rename(columns={'idxmax':'D','sum':'C'}).reset_index()

与map类似的解决方案：

df1 = df.groupby(['A','B'])['C'].agg(['sum', 'idxmax']).reset_index()
df1['idxmax'] = df1['idxmax'].map(df['D'])
df1 = df1.rename(columns={'idxmax':'D','sum':'C'})

print (df1)
   A  B     C  D
0  x  a   101  v
1  y  b  1010  w

【讨论】：

这已经不止一次地救了我。只是想补充一点，在这之前可能需要df.reset_index(inplace=True)，因为无论出于何种原因，不止一行可能具有相同的索引标签。

【解决方案2】：

set_index在你分组之前

df.set_index('D').groupby(['A','B']).C.agg(['sum','idxmax']).\
    reset_index().rename(columns={'idxmax':'D','sum':'C'})
Out[407]: 
   A  B     C  D
0  x  a   101  v
1  y  b  1010  w

【讨论】：