将列值分组在一起答案

【问题标题】：Grouping column values together将列值分组在一起
【发布时间】：2018-08-23 16:18:31
【问题描述】：

我有一个这样的数据框：

Class  price  demand
1       22       8
1       60       7
3       32       14
2       72       9
4       45       20
5       42       25

我想做的是将 1-3 班归为一个类别，将 4-5 班归为一个类别。然后我想得到每个类别的价格总和以及每个类别的需求总和。我也想得到平均值。结果应如下所示：

Class   TotalPrice   TotalDemand   AveragePrice  AverageDemand
P          186            38           46.5          9.5   
E          87             45           43.5          22.5

其中 P 是 1-3 级，E 是 4-5 级。如何在熊猫中按类别分组？有没有办法做到这一点？

【问题讨论】：

这听起来像是免费代码编写服务的要求。您能否展示自己为实现目标所做的努力？

标签： python pandas

【解决方案1】：

In [8]: df.groupby(np.where(df['Class'].isin([1, 2, 3]), 'P', 'E'))[['price', 'demand']].agg(['sum', 'mean'])
Out[8]: 
  price       demand      
    sum  mean    sum  mean
E    87  43.5     45  22.5
P   186  46.5     38   9.5

【讨论】：

【解决方案2】：

您可以创建一个定义您的组的字典。

mapping = {**dict.fromkeys([1, 2, 3], 'P'), **dict.fromkeys([4, 5], 'E')}

然后，如果您将字典或可调用对象传递给groupby，它会自动映射到索引上。所以，让我们将索引设置为Class

d = df.set_index('Class').groupby(mapping).agg(['sum', 'mean']).sort_index(1, 1)

最后，我们进行了一些调整，以按照您指定的方式获取列名。

rename_dict = {'sum': 'Total', 'mean': 'Average'}
d.columns = d.columns.map(lambda c: f"{rename_dict[c[1]]}{c[0].title()}")

d.rename_axis('Class').reset_index()

  Class  TotalPrice  TotalDemand  AveragePrice  AverageDemand
0     E          87           45          43.5           22.5
1     P         186           38          46.5            9.5

【讨论】：

【解决方案3】：

一般情况下，您可以使用pd.cut 形成任意 bin 来对数据进行分组，并指定正确的 bin 边缘：

import pandas as pd

pd.cut(df.Class, bins=[0, 3, 5], labels=['P', 'E'])
#0    P
#1    P
#2    P
#3    P
#4    E
#5    E

df2 = (df.groupby(pd.cut(df.Class, bins=[0,3,5], labels=['P', 'E']))[['demand', 'price']]
         .agg({'sum', 'mean'}).reset_index())

# Get rid of the multi-level columns
df2.columns = [f'{i}_{j}' if j != '' else f'{i}' for i,j in df2.columns]

输出：

  Class  demand_sum  demand_mean  price_sum  price_mean
0     P          38          9.5        186        46.5
1     E          45         22.5         87        43.5

【讨论】：