Question

我有一个像这样的pandas数据框：

import pandas as pd
import numpy as np

df = pd.DataFrame([['WY','M',2014,'Seth',5],
             ['WY','M',2014,'Spencer',5],
             ['WY','M',2014,'Tyce',5],
             ['NY','M',2014,'Seth',25],
             ['MA','M',2014,'Spencer',23]],columns = ['state','sex','year','name','number'])

print df

如何操作数据以获取如下数据框：

df1 = pd.DataFrame([['M',2014,'Seth',30],
               ['M',2014,'Spencer',28],
               ['M',2014,'Tyce',5]],
columns = ['sex','year','name','number'])

print df1

这只是一个非常大的数据框的一部分，我如何为每年的每个名字做这个？

Answer 1

df[['sex','year','name','number']].groupby(['sex','year','name']).sum().reset_index()

有关这方面的简要说明，从左到右：

仅选择我们关注的列。我们可以用df.drop('state',axis=1)
对我们关心的列执行分组。
对剩余的列求和（在这种情况下，仅为number）。
重置索引，使列['sex','year','name']不再是索引的一部分。

Answer 2

您可以使用数据透视表

df.pivot_table(values = 'number',aggfunc = 'sum',columns = ['sex','year','name']).reset_index().rename(columns={0:'number'})

Answer 3

按所需列分组，求和number，并展平多指数：

df.groupby(['sex','year','name'])['number'].sum().reset_index()

在您的情况下，state列不可用，因此您可以缩短为：

df.groupby(['sex','year','name']).sum().reset_index()

根据其他列值梳理pandas数据帧值

3 个答案: