Question

我有一个这样的熊猫数据框：

RECEIPT   USD    TYPE
      1 10.00   Paper
      2 12.00 Digital
      3  5.00    Note
      4 10.00   Paper
      5 12.00   Paper
      6  5.00 Digital

如果按TYPE列对数据进行分组，则会得到以下信息：

balance = df.groupby(['TYPE'])['USD'] \
                    .agg(['sum', 'count']) \
                    .reset_index() \
                    .rename(columns={'sum': 'TOTAL', 'count': 'COUNT'})

   TYPE TOTAL COUNT
Digital 17.00     2
Note     5.00     1
Paper   32.00     3

但是，如果我想仅将数字收据和其余信息作为一行获得，该怎么办。我知道如何在原始数据框中的另一列上执行此操作，但是也许有一种更优雅的方法。

所需结果：

   TYPE   TOTAL COUNT
Digital   17.00     2
Remainder 37.00     4

Answer 1

您可以groupby使用布尔蒙版

mask = (df.TYPE=='Digital').map({False: 'Remainder', True:'Digital'})

或者使用np.where（IMO是一种更为优雅的解决方案）

mask = np.where(df.TYPE=='Digital', 'Remainder', 'Digital')

两者都会产生

df.groupby(mask)['USD'] \
                        .agg(['sum', 'count']) \
                        .reset_index() \
                        .rename(columns={'sum': 'TOTAL', 'count': 'COUNT'})

    TYPE        TOTAL   COUNT
0   Digital     17.0    2
1   Remainder   37.0    4

对于两个以上的组，您可以将np.select用作mask

np.select([df.TYPE == 'Digital', (df.TYPE == 'Paper') | (df.TYPE=='Note'), df.TYPE=='Mail'],
          ['Digital', 'Paper', 'Remainder']

按数据框中的列分组，但将其中一些分组汇总为一组

1 个答案: