Question

我有两个数据帧。第一个名为mergedcsv的格式为： mergedcsv dataframe

名为idgrp_df的第二个数据帧是字典格式，对于每个区域Id，它是相应字符串ID的列表。 idgrp_df dataframe - keys with lists

对于mergedcsv中的每一行（以及idgrp_df中的相应行），我希望选择mergedcsv中的列，其中列标签等于该行的idgrp_df列表。然后将这些特定值的值相加，并将输出添加到mergedcsv中的列。该函数将遍历mergedcsv中的所有行（582行x 600列）。

尝试尝试此操作的代码行是：

mergedcsv['TotRegFlows'] = mergedcsv.groupby([idgrp_df],as_index=False).numbers.apply(lambda x: x.iat[0].sum())

返回ValueError: Grouper for class pandas.core.frame.DataFrame not 1-dimensional.

这与groupby的输入数据帧有关。如何访问每行的列表作为groupby的输入？

例如，对于mergedcsv中的第一行，我希望选择带有标签F95RR04，F95RR06和F95RR15的列（从idgrp_df第一行的列表中读取）。对该行的这些列中的值求和，并将总和值插入TotRegFlows列。

关于我如何利用这份清单的任何想法都将非常感激。

编辑：

非常感谢IanS。您的解决方案很有用。在根据这个建议修改代码行之后，我意识到（如建议的那样）我的两个数据帧中的索引都不同步。我测试了索引（mergedcsv有＆＃39;无＆＃39;而idgrp_df有＆＃39; REG_ID＆＃39;列作为索引。我将mergedcsv设置为＆＃39; REG_ID＆＃39;也。然后意识到mergedcsv有582行（REG_ID不是唯一的），idgrp_df有220行（REG_ID是唯一的。）因此我认为我在mergedcsv中缺少基于REG_ID索引的groupby。我修改了代码如下：

mergedcsv.set_index('REG_ID', inplace=True)
    print mergedcsv.index.name
    print idgrp_df.index.name

    mergedcsvgroup = mergedcsv.groupby('REG_ID')[mergedcsv.columns].apply(lambda y: y.tolist())

    mergedcsvgroup['TotRegFlows'] = mergedcsvgroup.apply(lambda row: row[idgrp_df.loc[row.name]].sum(), axis=1)

我有一个keyError：＆＃39; REG_ID＆＃39;。

欢迎任何进一步的建议。将groupby和apply组合成一行会更有效吗？

我是新手，使用pandas并尝试在python中构建经验

进一步修正：

没有mergedcsv的索引：

mergedcsv['TotRegFlows'] = mergedcsv.apply(lambda row: row[idgrp_df.loc[row.name]].groupby('REG_ID').sum(), axis=1)

这会抛出一个KeyError :(标签[0]不在[index]中，u＆＃39;出现在索引0＆＃39;）

使用mergedcsv索引：

mergedcsv.set_index('REG_ID', inplace=True)
columnlist = list(mergedcsv.columns.values)
mergedcsv['TotRegFlows'] = mergedcsv.apply(lambda row: row[idgrp_df.loc[row.name]].groupby('REG_ID')[columnlist].transform().sum(), axis=1)

这引发了一个TypeError :(＆＃34;不可用类型：＆＃39;列表＆＃39;＆＃34;，你＆＃39;发生在索引7＆＃39;）

或者最后将groupby函数分开：

columnlist = list(mergedcsv.columns.values)
mergedcsvgroup = mergedcsv.groupby('REG_ID')
mergedcsv['TotRegFlows'] = mergedcsvgroup.apply(lambda row: row[idgrp_df.loc[row.name]].sum())

这会引发TypeError：unhashable类型列表。对于groupby apply，轴= 1参数也不可用。

我是如何将这些列表与apply函数一起使用的？我已经在应用代码中探索了元组，但没有取得任何成功。

任何建议都非常感谢。

Answer 1

如果我理解正确，我有apply的简单解决方案：

<强>设置

import pandas as pd

df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6], 'C': [7,8,9]})
lists = pd.Series([['A', 'B'], ['A', 'C'], ['C']])

<强>解决方案

我应用一个lambda函数来获取要从lists系列求和的列列表：

df.apply(lambda row: row[lists[row.name]].sum(), axis=1)

诀窍在于，当迭代行（axis=1）时，row.name是数据帧df的原始索引。我用它来访问lists系列中的列表。

备注

此解决方案假设两个数据帧共享相同的索引，在您包含的屏幕截图中似乎不是这种情况。你必须解决这个问题。

此外，如果idgrp_df是数据框而不是系列，那么您需要使用.loc访问其值。

Python数据帧groupby按字典列表然后求和

1 个答案: