Question

我有这两个df，它们基本上是相同的，但是在df1中，值是相应客户的付款金额，另一个是该期间的客户状态（第1,2,3,4列是期）：

df1：

customer|1|2|3|4
x       |2|5|5|5
y       | |5|5|5
z       |5|5|5|

df2：

customer|1|2|3|4
x       |N|E|E|E
y       | |N|E|E
z       |N|E|C|-

我想按df2值的状态进行分组，例如：

Status  1 |2 |3 |4
N        7|5 |  |
E         |10|10|10
C         |  |5 |

我以前使用以下方式对状态计数进行分组

df2.apply(pd.value_counts).fillna(0)

但是现在，我想count而不是SUM相应数据帧DF1的值

Answer 1

通常，这似乎很困难，因为您的DataFrame形状怪异。如果您首先melt它们，这很容易：只需merge它们，groupby您的兴趣量并求和（如果要在其中显示，则再次pivot格式）：

df1m = df1.melt(id_vars='customer', var_name='period', value_name='amount')
df2m = df2.melt(id_vars='customer', var_name='period', value_name='status')
dfm = df1m.merge(df2m)
res = dfm.groupby(['status', 'period'])['amount'].sum().reset_index()
res.pivot_table(index='status', columns='period')

#period      1     2     3     4
#status                         
#C         NaN   NaN   5.0   NaN
#E         NaN  10.0  10.0  10.0
#N         7.0   5.0   NaN   NaN

要显示融化是做什么的：它将解开DataFrame的透视图，因此每个观察值（客户，期间）都有一行具有数量/状态的数据

df1m
#    customer period  amount
#0   x             1     2.0
#1   y             1     NaN
#2   z             1     5.0
#3   x             2     5.0
#4   y             2     5.0
#5   z             2     5.0
#6   x             3     5.0
#7   y             3     5.0
#8   z             3     5.0
#9   x             4     5.0
#10  y             4     5.0
11  z             4     NaN

如何按数据框的值分组？

1 个答案: