带有过滤器的 Pandas 小计到整个组答案

【问题标题】：Pandas subtotal with filter to the entire group带有过滤器的 Pandas 小计到整个组
【发布时间】：2020-06-25 13:23:03
【问题描述】：

给定以下数据框：

import pandas as pd
import numpy as np
np.random.seed(seed=1)
size=20
df = pd.DataFrame({"group":np.random.choice(["A","B","C"], size),
                   "exclude":np.random.choice(["Yes","No"], size),
                   "value":np.random.randint(0,5,size=20)}).sort_values(["group","value","exclude"])

对于每个组，我需要一个包含组小计的列，不包括特定行。我正在使用以下命令：

df["group_sum"] = df[(df.exclude=="No")].groupby("group")["value"].transform("sum")

很遗憾，排除记录的列是空的。为了填充它，我正在执行以下操作：

df["group_sum"] = df.groupby("group")["group_sum"].transform("max")

有没有办法把这两个语句合二为一？

【问题讨论】：

您期望的数据框是什么？

标签： python pandas dataframe filter group-by

【解决方案1】：

您可以使用Series.map 将您的group 映射到来自groupby 的结果：

 df["group_sum"] = df["group"].map(df[df.exclude=="No"].groupby("group")["value"].sum())

 print (df)

    group exclude  value  group_sum
 2      A      No      0         12
 6      A      No      0         12
 10     A      No      0         12
 5      A     Yes      0         12
 1      A     Yes      1         12
 8      A      No      2         12
 14     A      No      3         12
 18     A      No      3         12
 19     A      No      4         12
 16     B      No      0          4
 9      B      No      1          4
 0      B     Yes      1          4
 4      B     Yes      1          4
 12     B     Yes      1          4
 7      B      No      3          4
 3      B     Yes      4          4
 17     C      No      1          5
 13     C     Yes      1          5
 11     C     Yes      3          5
 15     C      No      4          5

【讨论】：

【解决方案2】：

您可以使用 where 保留未选择的行，但将它们设置为 NaN 值：

df["group_sum"] = df.where(df.exclude== 'No').groupby("group")["value"].transform(
                    "sum").groupby(df.group).transform("max")

它给出：

   group exclude  value  group_sum
2      A      No      0       12.0
6      A      No      0       12.0
10     A      No      0       12.0
5      A     Yes      0       12.0
1      A     Yes      1       12.0
8      A      No      2       12.0
14     A      No      3       12.0
18     A      No      3       12.0
19     A      No      4       12.0
16     B      No      0        4.0
9      B      No      1        4.0
0      B     Yes      1        4.0
4      B     Yes      1        4.0
12     B     Yes      1        4.0
7      B      No      3        4.0
3      B     Yes      4        4.0
17     C      No      1        5.0
13     C     Yes      1        5.0
11     C     Yes      3        5.0
15     C      No      4        5.0

【讨论】：