如何汇总某些列，同时将其他列保留在Python中

Question

我有一个包含>100 variables的数据集，但是为了说明这个问题，我将其简化如下。

我想groupby() colA，colB和sum() colD，同时取colC和{{1} }

我尝试了以下操作，但是您会知道，这只会返回我已分组的列以及我累加的列，并且永远不会返回colE和colC

方法1： colE

方法2：：我可以像上面那样汇总它们，然后稍后将其加入同一张表中以获得结果。

方法3：：groupby中具有所有列，但是这样做时，我无法像df.groupby(['colA','colB').aggregate({'colC': sum})中那样对Missing的值进行分组。 >

我有什么选择？

更正 更新：我刚刚更正了前面介绍数据的方式，这是不正确的

colE

`

Answer 1

似乎需要

df['New']=df.groupby(['colA','colB'])['colC'].transform('sum')

Answer 2

  

我想对groupC（）colA，colB和sum（）colD进行分组，同时获取colC和colE的不同值

因此，我相信您可以在聚合器中使用set，并在完成后使用reset_index()：

# dataframe data from example (+ extra `cat1` in ColC)
data = [
    ["25-5-19", "cat1", "cat1", 10, 1],
    ["25-5-19", "cat1", "cat3", 20, 1],
    ["25-5-19", "cat1", "cat3", 30, None],
    ["26-5-19", "cat2", "cat4", 50, 2],
    ["26-5-19", "cat2", "cat4", 100, 2],
    ["26-5-19", "cat2", "cat4", 10, 2]
] 

df = pd.DataFrame(data, columns = ['colA', 'colB', 'colC', 'colD', 'colE']) 

# aggregator sums over `colD` and gets distinct values of `colC` and `colE`
df.groupby(['colA', 'colB']).aggregate({'colD': sum, 'colC': set, 'colE': set}).reset_index()


| - | colA  |colB   | colE         | colD   | colC          |
|---|-------|-------|--------------|--------|---------------|
|0  |25-5-19|  cat1 |   {nan, 1.0} |  60    |  {cat3, cat1} |
|1  |26-5-19|  cat2 |   {2.0}      |  160   |   {cat4}      |

Answer 3

df = pd.DataFrame(data, columns = ['colA', 'colB', 'colC', 'colD', 'colE']) 

df['colE'] = df['colE'].fillna(-1)# I replaced all NaN with -1 to avoid `function not reduce error`

df.groupby(['colA','colB']).aggregate({'colD':sum,'colC':np.unique,'colE':np.unique})