Question

我有一个包含9列的DataFrame，这些列是星期几（1-7），一年中的一周（1-52），一年中的一个月（1-12），时间段（每个3小时），工资日（0,1）和假日（0,1）和金额（实数）。时间放在时间仓中，例如15:00放置在第6个时间箱中，7：34放在第3个时间箱中。

Day Week    Month   Time    Salary  Holiday Amount
1   5       2      1        0       0        700.0
1   5       2      1        0       0        800.0
3   18      5      7        1       0        90.0

基本上，我需要按前6列对数据进行分组，然后创建一个新的列，即Amount的总和值。但是，由于我需要维护原始数据帧，因此将重复此数量。因此，它必须仅对具有相同日，周，月，时间，薪水和假日的购买进行求和，即该组中的总和。

Day Week    Month   Time    Salary  Holiday Amount  Sum
1   5       2      1        0       0        700.0   1500.0
1   5       2      1        0       0        800.0   1500.0
3   18      5      7        1       0        90.0    90.0

我按天，周，月，时间，薪资，假期和总金额对数据框进行分组。

temp= features.groupby(by=["Day", "Week", "Month", "Time", "Salary", "Holiday"])["Amount"].sum()

Answer 1

您可以使用transform从the docs返回与原始数据框大小相同的列：

transform方法返回一个索引相同的对象（相同大小）作为被分组的那个。这样，传递的变换函数应返回与组块大小相同的结果。

df['Sum'] = df.groupby(["Day", "Week", "Month", "Time", "Salary", "Holiday"]).transform('sum')

df    
# Day Week Month Time Salary Holiday Amount  Sum
#0  1   5      2    1      0       0    700 1500
#1  1   5      2    1      0       0    800 1500
#2  3  18      5    7      1       0     90   90

Answer 2

您可以重置temp上的索引，然后在分组的所有列上与原始要素数据框进行外部合并。

root(-1, 3).simplify()
(-1)**(1/3)//Output

DataFrame Groupby同时维护原始DataFrame

2 个答案: