我有一个DataFrame,其中一个名为city_id
的城市的索引格式为[city],[state]
(例如,new york,ny
包含列中的整数计数。问题是我有多行同一个城市,我希望通过添加列值来折叠共享city_id
的行。我查看groupby()
但是如何将其应用于此问题并不是很明显。
编辑:
一个例子:我想改变这个:
city_id val1 val2 val3
houston,tx 1 2 0
houston,tx 0 0 1
houston,tx 2 1 1
进入这个:
city_id val1 val2 val3
houston,tx 3 3 2
如果有~10-20k行。
答案 0 :(得分:45)
从
开始>>> df
val1 val2 val3
city_id
houston,tx 1 2 0
houston,tx 0 0 1
houston,tx 2 1 1
somewhere,ew 4 3 7
我可能会这样做
>>> df.groupby(df.index).sum()
val1 val2 val3
city_id
houston,tx 3 3 2
somewhere,ew 4 3 7
或
>>> df.reset_index().groupby("city_id").sum()
val1 val2 val3
city_id
houston,tx 3 3 2
somewhere,ew 4 3 7
第一种方法将索引值(在本例中为city_id
值)传递给groupby
并告诉它使用那些作为组键,第二种方法重置索引然后选择city_id
列。有关更多示例,请参阅文档的this section。请注意,DataFrameGroupBy
对象中还有许多其他方法:
>>> df.groupby(df.index)
<pandas.core.groupby.DataFrameGroupBy object at 0x1045a1790>
>>> df.groupby(df.index).max()
val1 val2 val3
city_id
houston,tx 2 2 1
somewhere,ew 4 3 7
>>> df.groupby(df.index).mean()
val1 val2 val3
city_id
houston,tx 1 1 0.666667
somewhere,ew 4 3 7.000000
答案 1 :(得分:3)
同一条线上的东西。对不起,不是确切的副本。
mydata = [{'subid' : 'B14-111', 'age': 75, 'fdg':1.78},
{'subid' : 'B14-112', 'age': 22, 'fdg':1.56},{'subid' : 'B14-112', 'age': 40, 'fdg':2.00},]
df = pandas.DataFrame(mydata)
gg = df.groupby("subid",sort=True).sum()