Question

在Pandas数据帧上进行groupby的最佳方法是什么，但从该组中排除某些列？例如我有以下数据框：

Code   Country      Item_Code   Item    Ele_Code    Unit    Y1961    Y1962   Y1963
2      Afghanistan  15          Wheat   5312        Ha      10       20      30
2      Afghanistan  25          Maize   5312        Ha      10       20      30
4      Angola       15          Wheat   7312        Ha      30       40      50
4      Angola       25          Maize   7312        Ha      30       40      50

我想通过列Country和Item_Code进行分组，并且只计算落在Y1961，Y1962和Y1963列下的行的总和。生成的数据框应如下所示：

Code   Country      Item_Code   Item    Ele_Code    Unit    Y1961    Y1962   Y1963
2      Afghanistan  15          C3      5312        Ha      20       40       60
4      Angola       25          C4      7312        Ha      60       80      100

现在我正在这样做：

df.groupby('Country').sum()

但是，这也会增加Item_Code列中的值。有什么方法可以指定要在sum()操作中包含哪些列以及要排除哪些列？

Answer 1

您可以选择groupby的列：

In [11]: df.groupby(['Country', 'Item_Code'])[["Y1961", "Y1962", "Y1963"]].sum()
Out[11]:
                       Y1961  Y1962  Y1963
Country     Item_Code
Afghanistan 15            10     20     30
            25            10     20     30
Angola      15            30     40     50
            25            30     40     50

请注意，传递的列表必须是列的子集，否则您将看到KeyError。

Answer 2

agg功能会为您完成此操作。传递列并作为带有列的dict函数，输出：

df.groupby(['Country', 'Item_Code']).agg({'Y1961': np.sum, 'Y1962': [np.sum, np.mean]})  # Added example for two output columns from a single input column

这将仅按列显示组和指定的聚合列。在这个例子中，我包括两个应用于＆＃39; Y1962＆＃39;

的聚合函数

要准确得到您希望看到的内容，请将该组中的其他列包括在内，并将总和应用于框架中的Y变量：

df.groupby(['Code', 'Country', 'Item_Code', 'Item', 'Ele_Code', 'Unit']).agg({'Y1961': np.sum, 'Y1962': np.sum, 'Y1963': np.sum})

Answer 3

如果您正在寻找一种更通用的方法来应用于许多列，您可以做的是构建列名列表并将其作为分组数据帧的索引传递。在您的情况下，例如：

columns = ['Y'+str(i) for year in range(1967, 2011)]

df.groupby('Country')[columns].agg('sum')

Pandas按groupby求和，但不包括某些列

3 个答案: