Question

我有一个数据集，需要在单个字段上进行分组并在多个字段上进行汇总。作为聚合的一部分，我需要有条件地按排序顺序连接字符串列值。

输入：

SYSTIME             TT  REC TABLE   cat_a   cat_b   cat_c
01/11/2019 00:00    2   102 A       1       0       0
01/11/2019 00:00    2   103 B       1       0       0
01/11/2019 00:00    2   150 C       0       1       0
01/11/2019 00:01    3   200 B       1       0       0
01/11/2019 00:01    3   150 A       1       0       0
01/11/2019 00:01    3   104 D       0       0       1
01/11/2019 00:02    4   200 F       1       0       0
01/11/2019 00:02    5   250 A       1       0       0
01/11/2019 00:02    2   120 C       0       1       0
01/11/2019 00:02    3   150 E       1       0       0

预期输出：

SYSTIME             TT  REC TABLE   cat_a   cat_b   cat_c
01/11/2019 00:00    2   355 A;B     2       1       0
01/11/2019 00:01    3   454 A;B     2       0       1
01/11/2019 00:02    5   520 A;E;F   3       1       0

我有以下代码：

df_table_acc=df.groupby(['SYSTIME'],as_index=False).agg({'TT' : 'max','REC' : 'sum','TABLE': ';'.join, 'cat_a': 'sum', 'cat_b': 'sum', 'cat_c': 'sum'})

问题在于字符串连接，我想将cat_a = 1的TABLE值也连接在一起，还要排序。目前，我在00:00分钟收到A; B; C，但只希望cat; a = 1

的A; B

是否可以向联接函数添加条件？

P.S：我是python的新手，我确实看到了类似的问题，但是我想专门在agg函数中添加条件

Answer 1

我找不到在agg中执行此操作的方法，因此，如果有人愿意请说。

不过，它很容易在agg之外使用，

df_table_acc=df.groupby(['SYSTIME'],as_index=False).agg(    #Remove TABLE from first agg
            {'TT' : 'max','REC' : 'sum', 'cat_a': 'sum', 'cat_b': 'sum', 'cat_c': 'sum'})
df_table_acc = pd.merge(df_table_acc, df[df['cat_a']>0].copy().groupby(['SYSTIME'],as_index=False).agg(
            {'TABLE':';'.join}),how='left',on='SYSTIME')

已针对索引问题进行了编辑。现在，我们在merge上使用SYSTIME以确保TABLE与SYSTIME

匹配

或者，通过更改数据，之后进行一些清理（编辑：修复了这一部分并增加了更好的分离）

import re
df['TABLE'] = df.apply(lambda x: x['TABLE'] if x['cat_a']>0 else '', axis=1)
df_table_acc=df.groupby(['SYSTIME'],as_index=False).agg(
            {'TT' : 'max','REC' : 'sum','TABLE': ';'.join, 
             'cat_a': 'sum', 'cat_b': 'sum', 'cat_c': 'sum'})
df_table_acc.TABLE = df_table_acc.TABLE.apply(lambda x: re.sub(';+',';',x).strip(';'))
#Quick explanation: the re part avoids having repeat ";" eg: "A;;C;D;;G" -> "A;C;D;G"
#The strip removes outside strings eg: ";A;B;" -> "A;B"

在使用第二种方法之前，请确保不需要其他任何TABLE列，或者使用诸如TABLE2之类的虚拟列。

Answer 2

可以通过在应用groupby和agg之前过滤数据来解决您的问题

function。只需在使用此代码之前添加df=df[df['cat_a']==1].sort_values('TABLE')

df_table_acc = df.groupby（['SYSTIME']，as_index = False）.agg（{'TT'：'max'，'REC'：'sum'，'TABLE'：';'。join，' cat_a'：'sum'，'cat_b'：'sum'，'cat_c'：'sum'}）

有条件地在groupby聚合函数中连接字符串

2 个答案: