熊猫更好地聚合多个系列

Question

请原谅我，如果这有点简单，但我在其他地方找不到任何答案

我有一个庞大的原始事务数据DataFrame，我正在分解以便用户进行聚合。

我的df看起来像：

transid, userid, catname, amount, date, origin
1, id1, cat1, 300, 01/03/2014, cc
2, id1, cat1, 200, 02/03/2014, cc
3, id1, cat2, 250, 01/03/2014, ca
4, id2, cat1, 130, 01/03/2014, cc
5, id2, cat2, 150, 01/03/2014, cc

大约100万个transk记录，115k用户

我正在创建一个包含日期和用户ID索引的聚合度量的宽表。

date, userid, countoftrans, sumtrans
01/03/2014, id1, 3, 750, 

现在，我很高兴这样做，但是当我开始进行类别切片时，它会变得非常手动。

我正在创建系列，然后将它们合并回数据框但我正在做命名切片，这是a）手动和b）很慢

#take a slice from the df
cat1 = df[df.catname == "cat1"]
#group the slice by user
cat1out = cft.groupby(cft.userid)
#then do calc on series
cat1count = cat1.transid.count()

编辑：结果集必须采用1行用户ID的形式，并带有一组广泛的列，例如

因此，虽然Groupby聚合确实在逻辑上组织我的数据我的方式（我只是不太喜欢GroupbyObjects）

我有12个父类别，然后介于3-5个子类别之间，并且必须在所有类别中执行此操作，因此需要一种简洁的方法来执行此操作。

我试图对不同的猫名称进行for循环，然后插入该项目。这没有真正起作用，但是有更多的pandithic（？）方式

由于

罗布

Answer 1

如果我正确理解了你想要的输出，这应该可以解决问题。 （不确定为什么要先按类别切片，但始终可以将其添加到groupby列表中。

df.groupby(['date','userid'])['amount'].agg([sum,len])

编辑：

在看到您的评论和对问题的编辑之后，我了解您想要的是每个用户ID一行，并且对于每个事务类别，有几个包含摘要统计信息的列。因此user101的行将包含cat1事务的数量，cat1事务的总和，cat2事务的数量，cat2事务的总和等。对吗？

在这种情况下，这就是你想要的：

grouped = df.groupby(['userid','catname'])
aggregated = grouped['amount'].agg([len,sum])
result = aggregated.unstack('catname')

这将为您提供所需的数据帧，尽管具有分层列索引。如果您不喜欢它，this answer应该让您在折叠该索引的路上。