Question

我有一个列为'x'，'y'，'z'的pandas DataFrame 但是，许多x和y值是多余的。我想取所有具有相同x和y值的行，并对第三列求和，返回一个较小的DataFrame。因此，

         x     y         z
0       1      2         1
1       1      2         5
2       1      2         0
3       1      3         0
4       2      6         1

它将返回：

        x      y         z
0       1      2         6
1       1      3         0
2       2      6         1

我尝试过

df = df.groupby(['x', 'y'])['z'].sum

但是我不确定如何使用分组对象。

Answer 1

非常接近现状；您只需要调用.sum()，然后重置索引即可：

>>> df.groupby(['x', 'y'])['z'].sum().reset_index()
   x  y  z
0  1  2  6
1  1  3  0
2  2  6  1

groupby()中还有一个参数可以处理该问题：

>>> df.groupby(['x', 'y'], as_index=False)['z'].sum()
   x  y  z
0  1  2  6
1  1  3  0
2  2  6  1

在您的问题中，您有df.groupby(['x', 'y'])['z'].sum，但没有括号。这只是将方法 .sum引用为Python对象，而不调用它。

>>> type(df.groupby(['x', 'y'])['z'].sum)
method

>>> callable(df.groupby(['x', 'y'])['z'].sum)
True

Answer 2

不使用groupby语法的另一种选择是使用索引并按如下所示在索引级别进行求和：

df.set_index(['x','y']).sum(level=[0,1]).reset_index()

输出：

通过groupby连接熊猫数据框

2 个答案: