我有一个数据框,列出了不同的团队(绿色,蓝色,黄色,橙色,[有数百个团队]等),并且还按月列出了他们的收入。我希望能够根据收入创建前10个团队的列表,然后将其提供给groupby语句,这样我只会在处理各种数据帧时查看这些团队。这些是我创建的声明,我遇到了麻烦:
Rev = df['Revenue'].head(10) and I have also used Rev = df.nlargest(10,['Revenue'])
grpby = df.groupby([df['team'].isin(rev), 'team'], as_index=False)['Revenue'].sum().sort_values('Revenue', ascending=False).reset_index()
*编辑:导致此请求的其他代码: *编辑:df = pd.read_excel('c:/Test.xlsx',sheet_name =“Sheet1”,index_col ='Date',parse_dates = True)
*编辑:df = pd.DataFrame(df)
我可以使groupby语句有效,但我不能将'Rev'列表提供给限制/过滤要查看的组的groupby语句。
此外,在使用groupby语句创建数据框时,如何在未分组的其他列中添加回来?例如,在我的上述声明中,我尝试使用“团队”和“收入”,但如果我还想添加其他列,例如('location'或'team lead'),在更多列中添加的语法是什么?
*编辑 通过excel文件输入样本: 团队收入 绿色10 蓝色15 红20 橙色5 在上面的示例中,我想使用一个语句,它将前三个并保存为列表,然后将其提供给groupby语句。现在看来我还没有填写实际的数据帧? *来自控制台: 空DataFrame 专栏:[团队,收入] 指数:[]
答案 0 :(得分:1)
需要过滤器作为boolean indexing
的第一步:
<强>示例强>:
df = pd.DataFrame({'Teams': ['Green', 'Blue', 'Red', 'Orange', 'Green', 'Blue', 'Grey', 'Purple'],
'Revenue': [18, 15, 20, 5, 10, 15, 2, 5],
'Location': ['A', 'B', 'V', 'G', 'A', 'D', 'B', 'C']})
print (df)
Teams Revenue Location
0 Green 18 A
1 Blue 15 B
2 Red 20 V
3 Orange 5 G
4 Green 10 A
5 Blue 15 D
6 Grey 2 B
7 Purple 5 C
首先获取最高值并选择列Teams
:
Rev = df.nlargest(3,'Revenue')['Teams']
print (Rev)
2 Red
0 Green
1 Blue
Name: Teams, dtype: object
然后首先需要boolean indexing
过滤:
print (df[df['Teams'].isin(Rev)])
Teams Revenue Location
0 Green 18 A
1 Blue 15 B
2 Red 20 V
4 Green 10 A
5 Blue 15 D
df1 = (df[df['Teams'].isin(Rev)]
.groupby('Teams',as_index=False)['Revenue']
.sum()
.sort_values('Revenue', ascending=False))
print (df1)
Teams Revenue
0 Blue 30
1 Green 28
2 Red 20
如果需要输出多个列,则需要为每个列设置聚合函数,如:
df2 = (df[df['Teams'].isin(Rev)]
.groupby('Teams',as_index=False)
.agg({'Revenue':'sum', 'Location': ', '.join, 'Another col':'mean'}))
print (df2)
Teams Revenue Location
0 Blue 30 B, D
1 Green 28 A, A
2 Red 20 V