按日期和总和列分组答案

【问题标题】：Group by date and sum columns按日期和总和列分组
【发布时间】：2026-01-30 15:10:02
【问题描述】：

我有一个设计选择不佳的数据框，如下所示：

df = pd.DataFrame({
    'Day': ['2021-03-01', '2021-03-01', '2021-03-02', '2021-03-02', '2021-03-03'],
    'Name': ['Sam', 'Sam', 'Jack', 'Steve', 'Steve'],
    'Fruit':['Apple', 'Apple', 'Banana', 'Apple', 'Banana'],
    '2021-03-01':['2', '1', '0', '1', '1'],
    '2021-03-02': ['3', '5', '4', '2', '1'],
    '2021-03-03':['7', '3', '2', '1', '4']})

df
          Day   Name   Fruit 2021-03-01 2021-03-02 2021-03-03
0  2021-03-01    Sam   Apple          2          3          7
1  2021-03-01    Sam   Apple          1          5          3
2  2021-03-02   Jack  Banana          0          4          2
3  2021-03-02  Steve   Apple          1          2          1
4  2021-03-03  Steve  Banana          1          1          4

我希望，对于Day 中的每个日期，对应于与Day 的值具有相同列名的列中的日期，将其他变量分组并按总和聚合它们。例如，如果Day 的值为“2021-03-01”，那么在“2021-03-01”列中，我将对值求和（此列中苹果的 nr 和香蕉的 nbr）。

它希望结果数据框看起来像这样：

         Date   Name  nrApples  nrBananas
0  2021-03-01    Sam         3          0
1  2021-03-02   Jack         0          4
2  2021-03-02  Steve         2          0
3  2021-03-03  Steve         0          4

问题是我有很多这些日期列，我不知道如何检查Day列中的值是否与列名相同，并聚合它的值. 感谢您的帮助。

【问题讨论】：

标签： python pandas numpy

【解决方案1】：

融合列，将 Day 列与包含 Days、groupby、aggregate(sum)、unstack 和 reset 索引的 variable 列进行比较：

(df
 .melt(['Day', 'Name', 'Fruit'])
 .loc[lambda df: df.Day.eq(df.variable)]
 .astype({"value": int})
 .groupby(['Day', 'Name', 'Fruit'])['value']
 .sum()
 .unstack(fill_value = 0)
 .add_prefix("nr")
 .reset_index()
 .rename_axis(columns = None)
 )
 
Fruit         Day   Name  nrApple  nrBanana
0      2021-03-01    Sam        3         0
1      2021-03-02   Jack        0         4
2      2021-03-02  Steve        2         0
3      2021-03-03  Steve        0         4

【讨论】：

效果很好，谢谢！！如果我想对所有日期列求和，你知道我是否可以修改它？（不管Day是否相同）
你应该可以修改和。如果您有任何问题，请询问。

【解决方案2】：

def fn(x):
    return (
        x.set_index("Fruit")
        .loc[:, x.Day.iat[0]]
        .astype(int)
        .groupby(level=0)
        .sum()
        .to_dict()
    )


df = (
    df.groupby(["Day", "Name"])
    .apply(fn)
    .apply(pd.Series)
    .add_prefix("nr")
    .reset_index()
    .fillna(0)
)
print(df)

打印：

          Day   Name  nrApple  nrBanana
0  2021-03-01    Sam      3.0       0.0
1  2021-03-02   Jack      0.0       4.0
2  2021-03-02  Steve      2.0       0.0
3  2021-03-03  Steve      0.0       4.0

【讨论】：