Question

我有大数据框，我需要总结一下＆＃39;查看＆＃39;来自＆＃39; view_day＆＃39;的时间段的列柱。数据框如下所示：

size = 400
dtype = [('view_day', 'int32'), ('account', 'int32'), ('view', 'int32')]
values = np.ones(size, dtype=dtype)

dfo = pd.DataFrame(values)

dfo['view_day'] = np.random.randint(7605, 7605 + 180, dfo.shape[0])
dfo['account'] = np.random.randint(1548051, 1548051 + 10, dfo.shape[0])
dfo['view'] = np.random.randint(600, 1800, dfo.shape[0])
    view_day account        view
0   7651     1548055        1338
1   7698     1548054        1147

我需要创建新的数据框，帐户作为索引，并将过去30天的总视图相加。新数据框架如下所示：

accounts= dfo.account.unique()

size = len(accounts)
dtype = [('view_last_30', 'int32')]
values = np.zeros(size, dtype=dtype)
index = accounts
dfc1 = pd.DataFrame(values, index=index)
           view_last_30
1548058    sum of view of this account for the last 30 days
1548057             "

我设法通过以下方式对groupby进行分组和汇总：

last_day= dfo['view_day'].max()
dfo['last_30'] = dfo['view_day'] > last_day- 30
gl = dfo.groupby(['account', 'last_30'])['view']
h = gl.sum()

我明白了：

account  last_30
1548051  False      30439
         True        6713
1548052  False      27491
         True        8477

如何将last_30 == True的总和复制到新创建的数据框中？所以我会得到：

          view_last_30
1548051    6713
1548052    8477

Answer 1

get_level_values然后使用布尔选择

df.loc[df.index.get_level_values('last_30').values].\
       reset_index('last_30',drop=True)
Out[590]: 
         value
account       
1548051   6713
1548052   8477

Answer 2

您可以使用IndexSlice访问者：

In [57]: s
Out[57]:
account  last_30
1548051  False      30439
         True        6713
1548052  False      27491
         True        8477
Name: val, dtype: int64

In [58]: s.loc[pd.IndexSlice[:,True]]
Out[58]:
account
1548051    6713
1548052    8477
Name: val, dtype: int64

用groupby按条件求和pandas列

2 个答案: