Question

我有以下情况

date_range = pd.date_range('20180101', '20180105')
date_list = list(itertools.chain.from_iterable(itertools.repeat(date, 2) for date in date_range))
num_list = np.random.randint(1,100,size=(10))
date2 = ['2018-12-31']*10

df = pd.DataFrame({'date1':date_list,'numbers':num_list,'date2':date2})

显示此数据框提供

      date1        date2    numbers
0   2018-01-01  2018-12-31  38
1   2018-01-01  2018-12-31  2
2   2018-01-02  2018-12-31  8
3   2018-01-02  2018-12-31  51
4   2018-01-03  2018-12-31  16
5   2018-01-03  2018-12-31  22
6   2018-01-04  2018-12-31  43
7   2018-01-04  2018-12-31  76
8   2018-01-05  2018-12-31  47
9   2018-01-05  2018-12-31  50

我想获得一个新的数据帧，a）按date1分组，b）总结数字列中每个date1的值，c）保留date2值（我们可以假设它们是相同的每个date1，或者在这种情况下，整个数据框都是相同的

我可以执行以下操作来获得+ b，但如果我尝试包含类似＆＃39; date2＆＃39;：＆＃39;则表示＆＃39;在聚合字典中，它将无法工作并返回DataError：没有要聚合的数字类型

df.groupby(['date1'],as_index=False).agg({'numbers':'sum'})

任何建议？

Answer 1

如果每组的date2相同，您似乎需要：

df.groupby(['date1', 'date2'],as_index=False).agg({'numbers':'sum'})

或者需要按first汇总：

df.groupby(['date1'],as_index=False).agg({'numbers':'sum','date2':'first'})

但如果mean需要datetime，则有点复杂：

df['date2'] = pd.to_datetime(df['date2'])
f = lambda x: pd.to_datetime(x.values.astype(np.int64).mean())
df1 = df.groupby(['date1'],as_index=False).agg({'numbers':'sum','date2':f})
print (df1)
       date1  numbers      date2
0 2018-01-01      159 2018-12-31
1 2018-01-02      104 2018-12-31
2 2018-01-03       75 2018-12-31
3 2018-01-04       98 2018-12-31
4 2018-01-05      184 2018-12-31

Answer 2

因为c）：

保留date2值（对于每个date1，我们可以假设它们是相同的，或者在这种情况下，对于整个数据帧都是相同的

...您可以将其添加到group by子句中：

df.groupby(['date1', 'date2'],as_index=False).agg({'numbers':'sum'})

......给予：

       date1       date2  numbers
0 2018-01-01  2018-12-31       35
1 2018-01-02  2018-12-31       52
2 2018-01-03  2018-12-31      104
3 2018-01-04  2018-12-31       96
4 2018-01-05  2018-12-31      151

groupby /聚合数据框与非数字类型

2 个答案: