如果 DataFrame 中的其他行值相同，如何聚合行值？

Question

对于数据框：

>>> df = DataFrame([['2021-03-31', 'A0019', '990RT', 'OFFSET', '0.10'],['2021-03-31', 'A1019', '990CT', 'MARK', '0.10'],['2021-03-31', 'A0019', '990RT', 'M
ARK', '100'],['2021-03-31', 'A0019', '990RT', 'OFFSET', '0.70'],['2021-03-31', 'A0029', '990CT', 'OFFSET', '1.10'],['2021-03-31', 'A0029', '990CT', 'MARK',
 '9.10'],['2021-03-31', 'A0019', '990QT', 'MARK', '99.10'], ['2021-03-31', 'C0019', '990QT', 'OFFSET', '1'], ['2021-03-31', 'C0019', '990QT', 'GHTC', '5'],
['2021-03-31', 'C0019', '990QT', 'OFFSET', '15']], columns=['DATE','A_ID','R_ID','TYPE','I_VAL'] )
>>> df
     DATE       A_ID   R_ID    TYPE  I_VAL
0  2021-03-31  A0019  990RT  OFFSET   0.10
1  2021-03-31  A1019  990CT    MARK   0.10
2  2021-03-31  A0019  990RT    MARK    100
3  2021-03-31  A0019  990RT  OFFSET   0.70
4  2021-03-31  A0029  990CT  OFFSET   1.10
5  2021-03-31  A0029  990CT    MARK   9.10
6  2021-03-31  A0019  990QT    MARK  99.10
7  2021-03-31  C0019  990QT  OFFSET      1
8  2021-03-31  C0019  990QT    GHTC      5
9  2021-03-31  C0019  990QT  OFFSET     15

每个NON OFFSET（例如MARK、GHTC）行根据DATE, A_ID, R_ID 的组合唯一匹配零个或多个OFFSET 行。也就是说，NON OFFSET（例如MARK）与OFFSET 行之间存在一对多关系。

我需要分两步完成一个操作：

1. 如果值DATE, A_ID, R_ID 相同，则聚合行的值。将聚合值作为I_VAL 的值放在NON OFFSET 行中。
2. 删除带有TYPE OFFSET 的行。

生成的 DataFrame 是：

# The rows with TYPE OFFSET are removed from resulting df.
# Keeping the OFFSET rows for explaining aggregation
# 0, 1, 2, 3, etc. are the indexes (row number) of the rows

    DATE       A_ID   R_ID    TYPE    I_VAL
0  2021-03-31  A0019  990RT  OFFSET   0.10   
1  2021-03-31  A1019  990CT    MARK   0.10   # no update, condition not met
2  2021-03-31  A0019  990RT    MARK   100.80 # updated with sum of 0, self, and 3
3  2021-03-31  A0019  990RT  OFFSET   0.70
4  2021-03-31  A0029  990CT  OFFSET   1.10
5  2021-03-31  A0029  990CT    MARK   10.20  # updated with sum of own value and 4
6  2021-03-31  A0019  990QT    MARK   99.10  # no update, condition not met
7  2021-03-31  C0019  990QT  OFFSET      1   
8  2021-03-31  C0019  990QT    GHTC      21  # updated with sum of self, 7, and 9
9  2021-03-31  C0019  990QT  OFFSET     15

对于第 2 步，我可以：

filtered_df = df[df.TYPE != 'OFFSET']

但是，我不知道如何汇总这些值？ 这个post 讨论了一个类似的问题，但我无法根据我的要求对其进行修改。

Answer 1

第 1 步：

首先使用astype()方法将'I_VAL'列的dtype从string改为float：

df['I_VAL']=df['I_VAL'].astype(float)

最后你可以使用groupby() 方法和布尔掩码：

df.loc[df['TYPE']!='OFFSET','I_VAL']=df.groupby(['DATE','A_ID','R_ID'],as_index=False,sort=False).transform('sum')[df['TYPE']!='OFFSET']['I_VAL']

现在，如果您打印 df，您将获得所需的输出：

#output

      DATE       A_ID   R_ID    TYPE    I_VAL
0   2021-03-31  A0019   990RT   OFFSET  0.1
1   2021-03-31  A1019   990CT   MARK    0.1
2   2021-03-31  A0019   990RT   MARK    100.8
3   2021-03-31  A0019   990RT   OFFSET  0.7
4   2021-03-31  A0029   990CT   OFFSET  1.1
5   2021-03-31  A0029   990CT   MARK    10.2
6   2021-03-31  A0019   990QT   MARK    99.1
7   2021-03-31  C0019   990QT   OFFSET  1.0
8   2021-03-31  C0019   990QT   GHTC    21.0
9   2021-03-31  C0019   990QT   OFFSET  15.0

对于您的第 2 步：

使用布尔掩码：

filtered_df = df[df.TYPE != 'OFFSET']

现在，如果您打印 filtered_df，您将获得所需的输出：

#output
      DATE      A_ID    R_ID    TYPE    I_VAL
1   2021-03-31  A1019   990CT   MARK    0.1
2   2021-03-31  A0019   990RT   MARK    100.8
5   2021-03-31  A0029   990CT   MARK    10.2
6   2021-03-31  A0019   990QT   MARK    99.1
8   2021-03-31  C0019   990QT   GHTC    21.0