添加 groupby 对象的单个数据框的数字列的 Pythonic 方法

Question

我有一个要分组的时间序列数据，我想将所有组的数字列相加。

注意：这不是单个组列的聚合，而是组对象中所有数据框的相应单元格的总和。

由于它是一个时间序列数据，因此在 Region 和 Region_Code 和 Time 这样的数据框中，有几列本质上保持不变。

我的伪代码是-

1. 分组Region_Code
2. 仅选择分组对象的数字列
3. 制作区域列表
4. 通过遍历区域列表和求和来调用组对象中的数据框
5. 将其他列设为Region、Region_Code 和Time

但问题是，当我用一个空数据框添加被调用的数据框时，一切都变成了空/空，所以最终我什么都没有。

import pandas as pd

countries = ['United States','United States','United States','United States','United States', 'Canada', 'Canada', 'Canada', 'Canada', 'Canada', 'China', 'China', 'China', 'China', 'China']
code = ['US', 'US','US','US','US','CAN','CAN','CAN','CAN','CAN', 'CHN','CHN','CHN','CHN','CHN']
time = [1,2,3,4,5,1,2,3,4,5,1,2,3,4,5]
temp = [2.1,2.2,2.3,2.4,2.5, 3.1,3.2,3.3,3.4,3.5, 4.1,4.2,4.3,4.4,4.5]
pressure = [1.0,1.0,1.0,1.0,1.0, 1.1, 1.1, 1.1, 1.1, 1.1, 1.2,1.2,1.2,1.2,1.2]
speed = [20,21,22,23,24, 10,11,12,13,14, 30,31,32,33,34]

df = pd.DataFrame({'Region': countries, 'Time': time, 'Region_Code': code, 'Temperature': temp, 'Pressure': pressure, 'Speed': speed})

countries_grouped = df.groupby('Region_Code')[list(df.columns)[3:]]

country_list = ['US', 'CAN', 'CHN']

temp = pd.DataFrame()
for country in country_list:
    temp += countries_grouped.get_group(country) ## <--- Fails

temp

# Had the above worked, the rest of the columns can be made as follows
temp['Region'] = 'All'
temp['Time'] = df['Time']
temp['Region_Code'] = 'ALL'

它看起来并不讨人喜欢。最好的方法是什么？

预期输出：

    Region  Time    Region_Code     Temperature     Pressure    Speed
0   All      1          ALL              9.3            3.3       60
1   All      2          ALL              9.6            3.3       63
2   All      3          ALL              9.9            3.3       66
3   All      4          ALL              10.2           3.3       69
4   All      5          ALL              10.5           3.3       72

Answer 1

我认为您需要聚合 sum - 默认情况下排除所有非数字列，因此您可以通过 DataFrame.reindex 将它们添加到原始列中，并通过 ALL 替换缺失值：

print (df.groupby('Time', as_index=False).sum())
   Time  Temperature  Pressure  Speed
0     1          9.3       3.3     60
1     2          9.6       3.3     63
2     3          9.9       3.3     66
3     4         10.2       3.3     69
4     5         10.5       3.3     72

df = df.groupby('Time', as_index=False).sum().reindex(df.columns, axis=1, fill_value='ALL')
print (df)
  Region  Time Region_Code  Temperature  Pressure  Speed
0    ALL     1         ALL          9.3       3.3     60
1    ALL     2         ALL          9.6       3.3     63
2    ALL     3         ALL          9.9       3.3     66
3    ALL     4         ALL         10.2       3.3     69
4    ALL     5         ALL         10.5       3.3     72

编辑：对于自定义替换缺失值，使用带有字典的DataFrame.fillna - 带有替换值的列名：

d = {'Region':'GLOBAL','Region_Code':'ALL'}
df1 = df.groupby('Time', as_index=False).sum().reindex(df.columns, axis=1).fillna(d)
print (df1)
   Region  Time Region_Code  Temperature  Pressure  Speed
0  GLOBAL     1         ALL          9.3       3.3     60
1  GLOBAL     2         ALL          9.6       3.3     63
2  GLOBAL     3         ALL          9.9       3.3     66
3  GLOBAL     4         ALL         10.2       3.3     69
4  GLOBAL     5         ALL         10.5       3.3     72