如何在 python 中对这个数据框进行分组？答案

【问题标题】：How to group this dataframe in python?如何在 python 中对这个数据框进行分组？
【发布时间】：2018-10-24 09:43:35
【问题描述】：

我有这个问题：

import pandas as pd

stripline = "----------------------------"

rawData = {
    'order number': ['11xa', '11xa', '11xa', '21xb', '31xc'],
    'working area': ['LLA', 'LLE', 'LLS', 'MLA', 'MLE'],
    'time': [1, 6, 13, 35, 24]
}

df = pd.DataFrame(rawData)
print("original data:")
print(df.head())

print(stripline)

rawData2 = {
    'order number': ['11xa', '21xb', '31xc'],
    'working area': ['LLS', 'MLA', 'MLE'],
    'time': [20, 35, 24]
}
df2 = pd.DataFrame(rawData2)

print("expected result:")
print("group after order number, sum all times to that order and choose working field with the biggest time")
print(df2.head())

如何操作我的数据框 df 以获取 df2？

我想总结时间列中与订单号相对应的所有值。我想使用时间最长的工作领域，特别是我想保留其余的数据。新的数据框有三阶，旧的一阶五阶。

【问题讨论】：

标签： python pandas dataframe grouping data-manipulation

【解决方案1】：

import pandas as pd

rawData = {
    'order_number': ['11xa', '11xa', '11xa', '21xb', '31xc'],
    'working_area': ['LLA', 'LLE', 'LLS', 'MLA', 'MLE'],
    'time': ['1', '6', '13', '35', '24']
    }

df = pd.DataFrame(rawData)
df['time'] = df['time'].apply(int) 
df = df.groupby('order_number', as_index=False).apply(lambda g: g.assign(sum=g.time.sum()))
df.groupby('order_number', ascending=False).apply(lambda x: x.sort_values('time').head(1)).reset_index(drop=True)

给你

  order_number working_area  time  sum
0         11xa          LLA     1   20
1         21xb          MLA    35   35
2         31xc          MLE    24   24

【讨论】：

不，这给出了一个包含两列（工作区域）的数据框。如果我使用 df.groupby('order number',)['time'].sum() 我有同样的问题。请看看我的 print(df2) 这是它的样子
不幸的是，我不清楚，你想实现什么？ '11xa' 具有工作区 'LLA' 和 'LLE'。因此，要么忽略它（第一个代码 sn-p），要么考虑（第二个代码 sn-p）。
请再次运行我的代码。订单号为 11xa。有与该订单号对应的三个任务。任务 LLA、LLE 和 LLS。我总结了与此顺序相对应的所有时间，即 20，并选择具有最高时间值的工作字段。由于示例中的 13 分钟，因此工作字段为 LLS。特别是我需要保留其余的数据。请运行演示代码以了解我的意思。
更新并更正了解决方案。可能有更聪明的解决方案，但它可以正常工作。

【解决方案2】：

rawData = {
    'order number': ['11xa', '11xa', '11xa', '21xb', '31xc'],
    'working area': ['LLA', 'LLE', 'LLS', 'MLA', 'MLE'],
    'time': ['1', '6', '13', '35', '24']
}

dataframe = pd.DataFrame(rawData)
dataframe['time'] = dataframe['time'].astype(int)
dataframe.groupby(['order number']).sum().reset_index()

输出

order number    time
0     11xa     20
1     21xb     35
2     31xc     24

【讨论】：

【解决方案3】：

尝试这样，您可以使用agg 来执行此操作：（nb：列名的小变化）：

rawData = {
    'order_number': ['11xa', '11xa', '11xa', '21xb', '31xc'],
    'working_area': ['LLA', 'LLE', 'LLS', 'MLA', 'MLE'],
    'time': ['1', '6', '13', '35', '24']
    }

df = pd.DataFrame(rawData)
df['time'] = df['time'].apply(int)  
df = df.sort_values(['time'], ascending=True)

df = df.groupby(['order_number'], as_index=False).agg(dict(working_area='last', time='sum'))

输出：

   order_number  time working_area
0         11xa    20          LLS
1         21xb    35          MLA
2         31xc    24          MLE

【讨论】：