Question

我有一个数据框，df：

BRAND ART_TYPE  YEAR_MONTH metrics  Value
aaa      xyz      201510       a   4500
aaa      xyz      201510       b   8500
bbc      abc      201510       c   3500
bbc      abc      201510       d  10000
xxx      def      201510       e  15000

我想为每组（[＆＃39;品牌＆＃39;，＆＃39; ART_TYPE＆＃39;，＆＃39; YEAR_MONTH＆＃39;]）添加一个总行数所以结果应该是：

BRAND   ART_TYPE    YEAR_MONTH  metrics Value
aaa     xyz         201510      a       4500
aaa     xyz         201510      b       8500
aaa     xyz         201510      tot     13000
bbc     abc         201510      c       3500
bbc     abc         201510      d       10000
bbc     abc         201510      tot     13500
xxx     def         201510      e       15000
xxx     def         201510      tot     15000

怎么做？我们有什么功能吗？我试过apply和groupby函数，没用。如果需要更多信息，请告诉我。

我试过的代码添加了一列：

df['total'] = df.groupby(['BRAND','ART_TYPE','YEAR_MONTH']).apply(calctot)

def calctot(df):
   return(sum(df['Value']))

这给出了一个错误，即使它有效也会添加一个列。

Answer 1

我必须根据推荐的输出更改输入数据帧我改进了函数calctot - 删除列然后追加sum行。列level_3是从旧索引创建的，我将其删除。应用函数metrics后，列groupby中的新值为NaN，因此我按值tot填充它们。

#  BRAND ART_TYPE  YEAR_MONTH metrics  Value
#0   aaa      xyz      201510       a   4500
#1   aaa      xyz      201510       b   8500
#2   bbc      abc      201510       c   3500
#3   bbc      abc      201510       d  10000
#4   xxx      def      201510       e  15000


def calctot(df):
    #delete columns
    df = df.drop(['BRAND', 'ART_TYPE', 'YEAR_MONTH'], axis=1)
    #append sum row, ignoring non-numeric column metrics
    return df.append(df.sum(numeric_only=True), ignore_index=True)

#groupby and reset index
df =  df.groupby(['BRAND','ART_TYPE','YEAR_MONTH']).apply(calctot).reset_index()
#delete old index column
df = df.drop(['level_3'], axis=1)
#fill NaN to value tot
df['metrics'] = df['metrics'].fillna('tot')

print df
#  BRAND ART_TYPE  YEAR_MONTH metrics  Value
#0   aaa      xyz      201510       a   4500
#1   aaa      xyz      201510       b   8500
#2   aaa      xyz      201510     tot  13000
#3   bbc      abc      201510       c   3500
#4   bbc      abc      201510       d  10000
#5   bbc      abc      201510     tot  13500
#6   xxx      def      201510       e  15000
#7   xxx      def      201510     tot  15000

在pandas数据框中为每个子组添加总行数

1 个答案: