了解熊猫grouby sum（）

Question

在groupby（）的情况下，我无法理解sum（）的工作方式。 Official docs说它可以计算值的总和，但我看不到如何：

df = pd.DataFrame({'A': [1, 1, 2, 1, 2],
               'B': [np.nan, 2, 3, 4, 5],
               'C': [1, 2, 1, 1, 2]},
               columns=['A', 'B', 'C'])

我看不到它是如何计算结果的，它肯定不是对每一行都执行A + B + C。

Answer 1

您的示例相当糟糕，但让我解释一下。

Groupby是一种操作，它采用列的值并将所有相等的值合并在一起。现在我们需要一个操作来处​​理其他列。因为与合并程序需要知道如何处理它们。这就是运算总和。 （其他操作：均值，计数...）

在您的情况下，您在B中仅具有唯一值，因此没有2行合并在一起。因此，一个元素的总和是多少？正是元素。

l = [3]
print(sum(l)) # Output: 3

这就是您的示例中发生的事情。

这就是为什么@jezrael在评论中说您可能想df = df.groupby('A').sum()

输出为：

     B  C
A        
1  6.0  4
2  8.0  3

如您所见，我们按A列分组。第1行和第3行加在一起，第2行和第4行加在一起。

您可能正在寻找：

df.sum()

哪个输出：

A     7.0
B    14.0
C     7.0

或者@Andrea提到了这一点：

df.sum(axis=1)

输出：

0    2.0
1    5.0
2    6.0
3    6.0
4    9.0

但是Groupby是实现我想要的想法的错误方法。

Answer 2

通过比较以下两个数据帧可以很好地理解这一点：-

让数据框成为

做df.groupby('B').sum()会得到

同时，做df.groupby('A').sum()会得到

因此，groupby（）。sum（）所做的是，它使用B元素，在A和C中添加相应的行元素，然后在B列中搜索该元素的重复项。如果找到，则再次添加相应的A和C值。如果找不到，则跳至B列中的下一个元素。为进一步说明，在上述示例中，首先采用B = 2.0，其中A = 1和C = 2。 B列中未重复2.0，现在移至B = 3.0，对于A = 2和C = 1，依此类推。这是groupby（'B'）。sum（）的输出。另一方面，完成df.groupby（'A'）时，它首先需要A = 1。为此，相应的值为B = NaN，C =1。由于在A列中重复1，因此sumB = NaN + 2.0 + 4.0 = 6，sumC = 1 + 2 + 1 = 4。完成1则转到A =2。同样，对于A = 2，sumB = 3.0 + 5.0 = 8，sumC = 1 + 2 =3。这说明了groupby（'A'）完成时的输出。

对于您的问题，df.sum()将所有3列的总和设为

A   7.0
B   14.0
C   7.0

如果要按行求和，请执行df.sum(axis = 1) 这将给

0   2.0
1   5.0
2   6.0
3   6.0
4   9.0