Python-通过DataFrameGroupBy对象进行分组

Question

我在Python中有一个熊猫数据框，在这里我要应用groupby。然后我想对先前的结果应用新的groupby + sum。具体来说，首先我正在做：

  check_df = data_df.groupby(['hotel_code', 'dp_id', 'market', 'number_of_rooms'])
[['market', 'number_of_rooms']]

然后我想做：

check_df = check_df.groupby(['market'])['number_of_rooms'].sum()

所以，我遇到以下错误：

    AttributeError: Cannot access callable attribute 'groupby' of 'DataFrameGroupBy'
objects, try using the 'apply' method

我的初始数据如下：

hotel_code | market | number_of_rooms | ....
---------------------------------------------
001        |   a    |      200        | ... 
001        |   a    |      200        |
002        |   a    |      300        | ...

请注意，我可能有重复的（a-200），这就是为什么我需要第一个分组依据的原因。 我最终想要的是这样的：

Market | Rooms
--------------
a      | 3000
b      | 250

我只是想将以下sql查询转换为python：

select a.market, sum(a.number_of_rooms)
from (
        select market, number_of_rooms
        from opinmind_dev..cg_mm_booking_dataset_full
        group by hotel_code, market, number_of_rooms
        ) as a
group by market ;

有什么想法可以解决该问题吗？如果您需要更多信息，请告诉我。

ps。我是Python和数据科学的新手

Answer 1

IIUC，而不是：

check_df = data_df.groupby(['hotel_code', 'dp_id', 'market', 'number_of_rooms'])
[['market', 'number_of_rooms']]

您应该这样做：

check_df = data_df.drop_duplicates(subset=['hotel_code', 'dp_id', 'market', 'number_of_rooms'])\
                  .loc[:, ['market', 'number_of_rooms']]\
                  .groupby('market')\
                  .sum()

Answer 2

df = pd.DataFrame({'Market': [1,1,1,2,2,2,3,3], 'Rooms':range(8), 'C':np.random.rand(8)})

      Market  Rooms         C
0       1      0  0.187793
1       1      1  0.325284
2       1      2  0.095147
3       2      3  0.296781
4       2      4  0.022262
5       2      5  0.201078
6       3      6  0.160082
7       3      7  0.683151

您需要将列选择从分组的DataFrame中移开。以下任何一种都可以工作。

df.groupby('Market').sum()[['Rooms']] 
df[['Rooms']].groupby(df['Market']).sum()
         Rooms
Market       
1           3
2          12
3          13

如果选择使用['Rooms']代替[['Rooms']]，则会得到一个Series而不是DataFrame。

所产生的数据帧以市场为指标。如果要将其转换为普通数据列，请使用：

df.reset_index()
   Market  Rooms
0       1      3
1       2     12
2       3     13

Answer 3

如果我正确理解了您的问题，您只需-

data_df.groupby('Market').agg({'Rooms': np.sum}) OR 

data_df.groupby(['market'], as_index=False).agg({'Rooms': np.sum})


data_df = pd.DataFrame({'Market' : ['A','B','C','B'],
                    'Hotel'  : ['H1','H2','H4','H5'],
                    'Rooms'  : [20,40,50,34]
                  })

data_df.groupby('Market').agg({'Rooms': np.sum})