10

我有一个记录的 DataFrame,看起来像这样:

stocks = pd.Series(['A', 'A', 'B', 'C', 'C'], name = 'stock')
positions = pd.Series([ 100, 200, 300, 400, 500], name = 'positions')
same1 = pd.Series(['AA', 'AA', 'BB', 'CC', 'CC'], name = 'same1')
same2 = pd.Series(['AAA', 'AAA', 'BBB', 'CCC', 'CCC'], name = 'same2')
diff = pd.Series(['A1', 'A2', 'B3' ,'C1', 'C2'], name = 'different')
df = pd.DataFrame([stocks, same1, positions, same2, diff]).T
df

这给出了一个看起来像的 pandas DataFrame

      stock same1 positions same2 different
0     A    AA       100   AAA        A1
1     A    AA       200   AAA        A2
2     B    BB       300   BBB        B3
3     C    CC       400   CCC        C1
4     C    CC       500   CCC        C2

我对“不同”列中的数据不感兴趣,并且想对其他唯一列的位置求和。我目前正在这样做:

df.groupby(['stock','same1','same2'])['positions'].sum()

这使:

stock  same1  same2
A      AA     AAA      300
B      BB     BBB      300
C      CC     CCC      900
Name: positions

问题是这是一个 pd.Series (带有多索引)。目前我对其进行迭代以再次构建 DataFrame。我确定我缺少一种方法。基本上我想从 DataFrame 中删除 1 列,然后“重建它”,以便对一列求和,其余字段(相同)保持原位。

如果有空仓,这个 groupby 方法就会中断。所以我目前在 DataFrame 上使用了一个精心的迭代来构建一个新的。有更好的方法吗?

4

1 回答 1

10

步骤 1. 使用 [['positions']] 代替 ['positions']:

In [30]: df2 = df.groupby(['stock','same1','same2'])[['positions']].sum()

In [31]: df2 
Out[31]: 

                   positions
stock same1 same2               
A     AA    AAA          300 
B     BB    BBB          300 
C     CC    CCC          900 

Step 2. 然后使用reset_index将索引移回列

In [34]: df2.reset_index()
Out[34]: 
  stock same1 same2  positions
0     A    AA   AAA        300 
1     B    BB   BBB        300 
2     C    CC   CCC        900

编辑

看来我的方法不太好。

感谢@Andy 和@unutbu,您可以通过更优雅的方式实现您的目标:

方法一:

df.groupby(['stock', 'same1', 'same2'])['positions'].sum().reset_index()

方法二:

df.groupby(['stock', 'same1', 'same2'], as_index=False)['positions'].sum()
于 2013-06-18T10:37:41.197 回答