在不丢失 groupby 的情况下使用 Pandas 进行分组和过滤

Question

我是这个主题的初学者，到目前为止还没有找到任何可以帮助我的东西。 我正在努力对数据进行分组，然后使用我需要的值进行过滤。

就像这个例子，

我需要知道，例如，胡安买了多少辆红色汽车。 （红色汽车为每个客户销售）。 当我尝试时，我松开了组或过滤器，我不能两者都做。

有人可以帮我或建议一个帖子吗？

编辑1.

在社区的帮助下，我发现这是我的解决方案：

df = df.loc[:, df.columns.intersection(['Name', 'Car colour', 'Amount'])]

df = df.query('Car colour == Red')

df.groupby(['Name', 'Car colour'])['Amount'].sum().reset_index()

Answer 1

如果您想考虑按名称和 Car_color 组销售的数量，请尝试

df.groupby(['Name', 'Car colour'])['Amount'].sum().reset_index()
#    Name   Car colour  Amount
 0    Juan      green       1
 1    Juan        red       3
 2  Wilson       blue       1
 3  carlos     yellow       1

Answer 2

GroupBy.sum

df.groupby(['Name','Car Color']).sum()

---

输出：

import pandas as pd

data = {"Name": ["Juan", "Wilson", "Carlos", "Juan", "Juan", "Wilson", "Juan", "Carlos"],
        "Car Color": ["Red", "Blue", "Yellow", "Red", "Red", "Red", "Red", "Green"],
        "Amount": [24, 28, 40, 22, 29, 33, 31, 50]}
df = pd.DataFrame(data)
print(df)

Answer 3

您可以通过将列名列表传递给groupby 函数来按多列分组，然后对每个组求和。

import pandas as pd

df = pd.DataFrame({'Name': ['Juan', 'Wilson', 'Carlos', 'Juan', 'Juan', 'Wilson', 'Juan'],
                   'Car Color': ['Red', 'Blue', 'Yellow', 'Red', 'Red', 'Red', 'Green'],
                   'Amount': [1, 1, 1, 1, 1, 1, 1]})
print(df)

agg_df = df.groupby(['Name', 'Car Color']).sum()
print(agg_df)

输出：

Name   Car Color        
Carlos Yellow          1
Juan   Green           1
       Red             3
Wilson Blue            1
       Red             1

请注意，生成的数据框有一个多索引，因此您可以通过将一组值传递给 loc 来获取 Juan 购买的红色汽车的数量。

cars = agg_df.loc[[('Juan', 'Red')]]
print(cars)

输出：

                Amount
Name Car Color        
Juan Red             3