Ma question concerne les opérations en groupe avec des pandas. J'ai le DataFrame suivant:
In [4]: df = pd.DataFrame({"A": range(4), "B": ["PO", "PO", "PA", "PA"], "C": ["Est", "Est", "West", "West"]})
In [5]: df
Out[5]:
A B C
0 0 PO Est
1 1 PO Est
2 2 PA West
3 3 PA West
Voici ce que je voudrais faire: je veux regrouper par colonne B et faire une somme sur la colonne A. Mais à la fin, je voudrais que la colonne C soit toujours dans le DataFrame. Si je fais :
In [8]: df.groupby(by="B").aggregate(pd.np.sum)
Out[8]:
A
B
PA 5
PO 1
Il fait le travail mais la colonne C est manquante. Je peux aussi faire ça:
In [9]: df.groupby(by=["B", "C"]).aggregate(pd.np.sum)
Out[9]:
A
B C
PA West 5
PO Est 1
ou
In [11]: df.groupby(by=["B", "C"], as_index=False).aggregate(pd.np.sum)
Out[11]:
B C A
0 PA West 5
1 PO Est 1
Mais dans les deux cas, il regroupe par B ET C et pas seulement B et conserve la valeur C. Ce que je veux faire n'est-il pas pertinent ou existe-t-il un moyen de le faire?
essayez d'utiliser DataFrameGroupBy.agg () méthode avec dict of {column -> function}
:
In [6]: df.groupby('B').agg({'A':'sum', 'C':'first'})
Out[6]:
C A
B
PA West 5
PO Est 1
Depuis les documents:
Fonction à utiliser pour agréger des groupes. S'il s'agit d'une fonction, elle doit fonctionner lorsqu'elle est passée à un DataFrame ou lorsqu'elle est passée à DataFrame.apply. Si un dict est passé, les clés doivent être des noms de colonne DataFrame.
ou quelque chose comme ça en fonction de vos objectifs:
In [8]: df = pd.DataFrame({"A": range(4), "B": ["PO", "PO", "PA", "PA"], "C": ["Est1", "Est2", "West1", "West2"]})
In [9]: df.groupby('B').agg({'A':'sum', 'C':'first'})
Out[9]:
C A
B
PA West1 5
PO Est1 1
In [10]: df['sum_A'] = df.groupby('B')['A'].transform('sum')
In [11]: df
Out[11]:
A B C sum_A
0 0 PO Est1 1
1 1 PO Est2 1
2 2 PA West1 5
3 3 PA West2 5