Question

我想知道如何在groupby之后创建一个新列并应用求和。

我有一个这样的数据框。

> df
tour_id  time  condA  condB  condC
      1    10   True   True   True
      1    20   True   True   True
      1    30  False  False  False
      1    40  False  False  False
      2    15   True   True   True
      2    25  False  False  False
      2    30  False  False  False
      2    45  False  False  False
      2    50   True   True   True

我想

groupby tour_id，并在time列中求和，其中condA和condB和condC均为False。如下所示。
```
tour_id    sum
      1     70
      2    100
```
将结果1合并到原始数据帧df中，并在组中填充相同的值，并将此新列命名为driving。

因此结果应类似于：

tour_id  time  condA  condB  condC  driving
      1    10   True   True   True       70
      1    20   True   True   True       70
      1    30  False   False False       70
      1    40  False   False False       70
      2    15   True   True   True      100
      2    25  False  False  False      100
      2    30  False  False  False      100
      2    45  False  False  False      100
      2    50   True   True   True      100

我的尝试

temp = df[(df.condA == True)&(df.condB == True) &(df.condC == True)]
df2 = temp.groupby('tour_id').time.sum().reset_index()

但是我不知道如何将df2合并到原始df。

Answer 1

使用all过滤数据帧

df['driving']=df.tour_id.map(df[(df.iloc[:,-3:]).all(1)].groupby('tour_id').time.sum())

Answer 2

df['driving'] = df['tour_id'].map(df[~df[['condA','condB','condC']].all(1)].groupby('tour_id')['time'].sum())

收益：

   tour_id  time  condA  condB  condC  driving
0        1    10   True   True   True       70
1        1    20   True   True   True       70
2        1    30  False  False  False       70
3        1    40  False  False  False       70
4        2    15   True   True   True      100
5        2    25  False  False  False      100
6        2    30  False  False  False      100
7        2    45  False  False  False      100
8        2    50   True   True   True      100

Answer 3

您可以将groupby数据框转换为字典，然后通过它映射tour_id列：

df['driving'] = df.tour_id.map(temp.groupby('tour_id').time.sum().to_dict())

熊猫：groupby，并通过串联结果创建一个新列

3 个答案: