6

我有一个数据集，其中包含 3 只动物的喂养数据，包括动物的标签 ID（1、2、3）、每顿“餐”中提供的饲料类型（A、B）和数量（kg）：

Animal   FeedType   Amount(kg)
Animal1     A         10
Animal2     B         7
Animal3     A         4
Animal2     A         2
Animal1     B         5
Animal2     B         6
Animal3     A         2

在base R中，我可以很容易地输出下面的矩阵，unique('Animal')它的行、unique('FeedType')列和Amount (kg)矩阵的相应单元格中的累积值tapply()如下所示

out <- with(mydf, tapply(Amount, list(Animal, FeedType), sum))

         A  B
Animal1 10  5
Animal2  2 13
Animal3  6 NA

Python Pandas 数据框是否有等效功能？在 Pandas 中实现这一目标的最优雅和最快的方法是什么？

PS我希望能够指定在什么列上，在这种情况下Amount，执行聚合。

提前致谢。

编辑：

我在两个答案中都尝试了这两种方法。使用我的 216,347 行和 15 列的实际 Pandas 数据框的性能结果：

start_time1 = timeit.default_timer()
mydf.groupby(['Animal','FeedType'])['Amount'].sum()
elapsed_groupby = timeit.default_timer() - start_time1

start_time2 = timeit.default_timer()
mydf.pivot_table(rows='Animal', cols='FeedType',values='Amount',aggfunc='sum')
elapsed_pivot = timeit.default_timer() - start_time2

print ('elapsed_groupby: ' + str(elapsed_groupby))
print ('elapsed_pivot: ' + str(elapsed_pivot))

给出：

elapsed_groupby: 10.172213
elapsed_pivot: 8.465783

所以就我而言，pivot_table() 工作得更快。

4

2 回答 2

7

首先，我读入您的数据：

In [7]: df = pd.read_clipboard(sep="\s+", index_col=False)

In [8]: df
Out[8]:
    Animal FeedType  Amount(kg)
0  Animal1        A          10
1  Animal2        B           7
2  Animal3        A           4
3  Animal2        A           2
4  Animal1        B           5
5  Animal2        B           6
6  Animal3        A           2

然后我可以按两列分组进行聚合：

In [9]: df.groupby(['Animal','FeedType']).sum()
Out[9]:
                  Amount(kg)
Animal  FeedType
Animal1 A                 10
        B                  5
Animal2 A                  2
        B                 13
Animal3 A                  6

unstack要以相同的格式获得它，我可以dataframe：

In [10]: df.groupby(['Animal','FeedType']).sum().unstack()
Out[10]:
          Amount(kg)
FeedType           A   B
Animal
Animal1           10   5
Animal2            2  13
Animal3            6 NaN
于 2014-01-03T14:35:28.227 回答
6

@Zelazny7 使用groupbyandunstack的方法当然很好，但为了完整起见，您也可以直接使用pivot_table（参见doc）[0.13 及以下版本]：

In [13]: df.pivot_table(rows='Animal', cols='FeedType', values='Amount(kg)', aggfunc='sum')
Out[13]:
FeedType   A   B
Animal
Animal1   10   5
Animal2    2  13
Animal3    6 NaN

在较新版本的 Pandas（0.14 及更高版本）中，pivot_table 的参数已更改：

In [13]: df.pivot_table(index='Animal', columns='FeedType', values='Amount(kg)', aggfunc='sum')
Out[13]:
FeedType   A   B
Animal
Animal1   10   5
Animal2    2  13
Animal3    6 NaN
于 2014-01-03T14:52:08.553 回答