执行 pandas.DataFrame.groupby().sum() 时保留非数字列答案

【问题标题】：Preserve the non-numerical columns when doing pandas.DataFrame.groupby().sum()执行 pandas.DataFrame.groupby().sum() 时保留非数字列
【发布时间】：2018-04-21 00:06:10
【问题描述】：

我可以在做 pandas.DataFrame.groupby().sum() 时保留非数字列（第一个出现的值）吗？

例如，我有一个这样的 DataFrame：

df = pd.DataFrame({'A' : ['aa1', 'aa2', 'aa1', 'aa2'],'B' : ['bb1', 'bbb1', 'bb2', 'bbb2'],'C' : ['cc1', 'ccc2', 'ccc3', 'ccc4'],'D' : [1, 2, 3, 4],'E' : [1, 2, 3, 4]})
>>> df
     A     B     C  D  E
0  aa1   bb1   cc1  1  1
1  aa2  bbb1  ccc2  2  2
2  aa1   bb2  ccc3  3  3
3  aa2  bbb2  ccc4  4  4
>>> df.groupby(["A"]).sum()
     D  E
A        
aa1  4  4
aa2  6  6

以下是我想要得到的结果：

     B    C    D  E
A        
aa1  bb1  cc1  4  4
aa2  bbb1 ccc2 6  6

注意B和C列的值是每个组键的第一个关联的B值和C值。

【问题讨论】：

您是说要按A 分组并按B in reverse 排序，这有点令人困惑，您能用可用的df 解释您的预期结果吗？
其实我想在df.groupby(["A"]).sum()的结果中加入B这一列，结果B的值就是分组的第一个B值。
嗨@AaronWang，欢迎来到stackoverflow！我相信您想使用保留一词而不是保留，如果是这样，请编辑您的问题，以便将来有类似问题的其他人很容易找到。另外，正如您在 cmets 中所说，请在您的帖子中包含“您想找到每个组键的第一个关联 B 值”。谢谢！

标签： python pandas

【解决方案1】：

只需使用'first'：

df.groupby(["A"]).agg({'B': 'first',
                       'C': 'first',
                       'D': sum,
                       'E': sum})

【讨论】：

【解决方案2】：

对于 groupby-sum 数据框中的每个键，在原始数据框中查找键，并将列 B 的关联值放入新列。

#groupby and sum over columns C and D
df_1 = df.groupby(['A']).sum()

在 B 列中查找与 groupby 键关联的第一个值

groupby keys
col_b = []
#iterate through keys and find the the first value in df['B'] with that key in column A
for i in df_1.index:
    col_b.append(df['B'][df['A'] == i].iloc[0])

#insert list of values into new dataframe
df_1.insert(0, 'B', col_b)
>>>df_1
      B  D  E
A           
aa1 bb1  4  4
aa2 bbb1 6  6

【讨论】：

我在做pandas.DataFrame.groupby().sum()时可以保留所有非数字列吗
@AaronWang 您能否编辑您的问题，以更好地反映您的意思？我已根据您的 cmets 编辑了我的答案。
是的，你明白了。谢谢！该代码可能有点“丑陋”但很有用。如果我有很多像 B 这样的列，代码会更复杂。现在我觉得pandas中没有这个功能的api，哈哈

【解决方案3】：

仅在“A”列上分组给出：

df.groupby(['A']).sum()

        C     D
A              
bar  1.26  0.88
foo  0.92 -4.19

在“A”和“B”列上分组给出：

df.groupby(['A','B']).sum()

            C     D
A   B                
bar one    1.38 -0.73
    three  0.26  0.80
    two   -0.38  0.81
foo one    1.96 -2.72
    three -0.42 -0.18
    two   -0.62 -1.29

如果您只想要具有“one”的列“B”，您可以这样做：

d = df.groupby(['A','B'], as_index=False).sum()
d[d.B=='one'].set_index('A')

    B     C     D
A                   
bar  one  1.38 -0.73
foo  one  1.96 -2.72

我不确定我是否理解，但这是您想要做的吗？注意：我增加了输出精度只是为了获得与帖子中显示的相同的数字。

d = df.groupby('A').sum()
d['B'] = 'one'
d.sort_index(axis=1)

       B         C         D
A                           
bar  one  1.259069  0.876959
foo  one  0.921510 -4.193397

如果您想将列的第一个排序值从 'B' 开始，您可以使用：

d['B'] = df.B.sort(inplace=False)[0]

所以在这里我用 'a', 'b','c' 替换了 'one','two','three' 看看这是否是你想要做的，并按照建议使用 insert() 方法通过其他帖子

df

    A  B         C         D
0  foo  a  0.638362 -0.931817
1  bar  a  1.380706 -0.733307
2  foo  b -0.324514  0.203515
3  bar  c  0.258534  0.803298
4  foo  b -0.299485 -1.495979
5  bar  b -0.380171  0.806968
6  foo  a  1.324810 -1.792996
7  foo  c -0.417663 -0.176120

d = df.groupby('A').sum()
d.insert(0, 'B', df.B.sort(inplace=False)[0])
d

    B         C         D
A                         
bar  a  1.259069  0.876959
foo  a  0.921510 -4.193397

【讨论】：

其实我想在df.groupby(["A"]).sum()的结果中加入B这一列，结果B的值就是分组的第一个B值。 C和D的值不是我想要的d[d.B=='one'].set_index('A')中的值，而B的值不一定都是“一”，它的值是df.groupby(['A','B']).sum()的第一个B值跨度>
发布的“期望值”与仅在“A”上分组相同。我假设所需的结果是对 A 和 B 进行分组，但只选择具有“一个”的 B 列。如果所需的结果是仅在“A”上分组，然后在每个条目中插入一个新列“B”，也可以这样做。
@AaronWang 我想我明白了，请检查上面的最终编辑
是的，你明白了。谢谢！代码可能“丑陋”但很有用。如果我有很多像B 这样的列，代码会更复杂。现在我觉得pandas中没有这个功能的api，哈哈
@SteveMisuta 如果进行排序，则不会得到每组对应的第一个值，而只会得到 B 列的前 2 个值。

【解决方案4】：

所有这些答案似乎都很冗长；尽管在第一页给出了一个 SQL 示例，但 Pandas 文档 [1] 在这一点上似乎也不清楚：

SELECT Column1, Column2, mean(Column3), sum(Column4)
FROM SomeTable
GROUP BY Column1, Column2

它将选择 Column1 的“第一个”，Column2，而 Pandas 不会。正如 OP 指出的那样，非数字列被简单地删除了。我的解决方案也不是那么漂亮，但也许更多的控制是 Pandas 的设计目标：

agg_d = { c: 'sum' if c == 'A' else 'first' for c in df.columns }
df = df.groupby( df['A'] ).agg( agg_d )

这维护所有非数字列，就像 sql 一样。这与下面 Phillip 的回答基本相同，但不需要显式枚举列。

注意事项

https://pandas.pydata.org/pandas-docs/stable/groupby.html

【讨论】：