聚合大熊猫数据框

时间:2018-09-26 18:04:48

标签: python python-3.x pandas dataframe

我有一个数据框,其中列出了在某些日期发生的SystemID以及某些类型和类别的警报的数量:

df
                               SystemID         AlarmClass          AlarmType         Day  AlarmCount
0  95EE8B57-6BE9-4175-B901-B6B3BEE1844D            Service  Unexpected Status  06/08/2018           3
1  95EE8B57-6BE9-4175-B901-B6B3BEE1844D            Service  Unexpected Status  05/08/2018           2
2  95EE8B57-6BE9-4175-B901-B6B3BEE1844D            Service  Unexpected Status  06/08/2018           1
3  5F891F03-3114-4E62-9A7D-CD2A04061364            Service  Unexpected Status  04/08/2018           2
4  5F891F03-3114-4E62-9A7D-CD2A04061364            Service  Unexpected Status  04/08/2018           2
5  5F891F03-3114-4E62-9A7D-CD2A04061364  Event Log Monitor    Application Log  05/08/2018           2

我想通过按SystemID和Day分组并列出每种类型和类别的警报数量来汇总此数据。以上数据框的结果如下所示:

                               SystemID         Day  AlarmClass-S  AlarmClass-ELM  AlarmType-US  AlarmType-AL
0  95EE8B57-6BE9-4175-B901-B6B3BEE1844D  06/08/2018             4               0             4             0
1  95EE8B57-6BE9-4175-B901-B6B3BEE1844D  05/08/2018             2               0             2             0
2  5F891F03-3114-4E62-9A7D-CD2A04061364  04/08/2018             4               0             4             0
3  5F891F03-3114-4E62-9A7D-CD2A04061364  05/08/2018             0               2             0             2

如何最有效地做到这一点?数据框具有数百万条记录。

1 个答案:

答案 0 :(得分:3)

为了提高性能,您可以先对AlarmClass和AlarmType的数据进行透视,然后合并结果。

i = df.pivot_table(index=['SystemID', 'Day'], 
                   columns='AlarmClass', 
                   values='AlarmCount', 
                   aggfunc='sum', 
                   fill_value=0)
j = df.pivot_table(index=['SystemID', 'Day'], 
                   columns='AlarmType', 
                   values='AlarmCount', 
                   aggfunc='sum', 
                   fill_value=0)

i.columns = i.columns.map(lambda x: 'AlarmClass-' + ''.join(y[0] for y in x.split()))
j.columns = j.columns.map(lambda x: 'AlarmType-' + ''.join(y[0] for y in x.split()))

df = pd.concat([i, j], axis=1).reset_index()

print(df)
                               SystemID         Day  AlarmClass-ELM   \
0  5F891F03-3114-4E62-9A7D-CD2A04061364  04/08/2018               0             
1  5F891F03-3114-4E62-9A7D-CD2A04061364  05/08/2018               2             
2  95EE8B57-6BE9-4175-B901-B6B3BEE1844D  05/08/2018               0             
3  95EE8B57-6BE9-4175-B901-B6B3BEE1844D  06/08/2018               0             

AlarmClass-S  AlarmType-AL  AlarmType-US
           4             0             4
           0             2             0
           2             0             2
           4             0             4