如何用 group-by 和 sum 获得 Pandas 总和

  1. groupby 的累计总和
  2.  pivot() 在一个漂亮的表中重新排列数据
  3. Pandas 中将函数应用于 groupby
  4. agg() 获取列的总和

我们将演示如何获取 Pandas 的 groupby 和 sum 的总和。我们还将研究 pivot 功能,以将数据排列在一个漂亮的表中,以及如何定义自定义函数并将其应用到 Dataframe 上。我们还能通过使用 agg() 获得总和。

groupby 的累计总和

我们可以使用 groupby 方法来获得累计和。比如以下具有日期,水果名称和销售的 DataFrame

import pandas as pd
df = pd.DataFrame({'Date': ['08/09/2018', '10/09/2018', '08/09/2018', '10/09/2018'],
                   'Fruit': ['Apple', 'Apple', 'Banana', 'Banana',],
                   'Sale': [34, 12, 22, 27]})

如果我们要计算每个水果在每个日期的累计销售总额,则可以执行以下操作:

import pandas as pd
df = pd.DataFrame({'Date': ['08/09/2018', '10/09/2018', '08/09/2018', '10/09/2018'],
                   'Fruit': ['Apple', 'Apple', 'Banana', 'Banana',],
                   'Sale': [34, 12, 22, 27]})
print (df.groupby(by=['Fruit','Date']).sum().groupby(level=[0]).cumsum())

输出:

Fruit  Date         Sale
Apple  08/09/2018    34
       10/09/2018    46
Banana 08/09/2018    22
       10/09/2018    49

 pivot() 在一个漂亮的表中重新排列数据

pivot() 方法可以设置表格的行和列属性。让我们更改上面的代码,并应用 pivot() 方法重新排列漂亮表中的数据:

import pandas as pd
df = pd.DataFrame({'Date': ['08/09/2018', '10/09/2018', '08/09/2018', '10/09/2018'],
                   'Fruit': ['Apple', 'Apple', 'Banana', 'Banana',],
                   'Sale': [34, 12, 22, 27]})    
print (df.groupby(['Fruit','Date'],as_index = False).sum().pivot('Fruit','Date').fillna(0))

输出:

             Sale           
Date   08/09/2018 10/09/2018
Fruit                       
Apple          34         12
Banana         22         27

Pandas 中将函数应用于 groupby

我们将创建一个简单的方法来获取 series 或一维数组中的值计数,并使用 groupby 来获取每个值的总计数:

from pandas import *
d = {"series": Series(['1','2','1','1','4','4','5'])}
df = DataFrame(d)
def get_count(values):
    return len(values)
grouped_count = df.groupby("series").series.agg(get_count)
print(grouped_count)

运行代码后,我们将获得以下输出,该输出提供 series 中每个值的出现次数。

输出:

series
1    3
2    1
4    2
5    1
Name: series, dtype: int64

agg() 获取列的总和

我们可以使用 agg() 在列上应用求和运算。考虑以下代码:

import pandas as pd
df = pd.DataFrame({'Date': ['08/09/2018', '10/09/2018', '08/09/2018', '10/09/2018'],
                   'Fruit': ['Apple', 'Apple', 'Banana', 'Banana',],
                   'Sale': [34, 12, 22, 27]})
print(df.groupby(['Fruit'])['Sale'].agg('sum'))

输出:

Fruit
Apple     46
Banana    49
Name: Sale, dtype: int64

相关文章 - Pandas DataFrame

  • 如何在 Pandas 中遍历 DataFrame 的行
  • 如何基于 Pandas DataFrame 中的列值删除行
  • comments powered by Disqus