python - Pandas:条件组特定计算

Question

假设我有一个表，其中包含一个键(例如客户 ID)和两个数字列 C1 和 C2。我想按键(客户)对行进行分组，并在其列上运行一些聚合器，如 sum 和 mean 。在计算组聚合器之后，我想将结果分配回 DataFrame 中的每个客户行(因为一些客户范围的功能添加到每一行)。

我可以看到我可以做类似的事情
df['F1'] = df.groupby(['Key'])['C1'].transform(np.sum)
如果我只想聚合一列并能够将结果添加回 DataFrame。

我能否使其成为有条件的 - 我能否仅将 C2 列等于某个数字 X 的行添加到组中的 C1 列，并且仍然能够将结果添加回 DataFrame？

如何在行的组合上运行聚合器，例如:
np.sum(C1 + C2)?

什么是最简单、最优雅的实现方式？最有效的方法是什么？这些聚合可以通过一条路径完成吗？

提前谢谢你。

Answer 1

这是一些虚拟数据的设置。

In [81]: df = pd.DataFrame({'Key': ['a','a','b','b','c','c'], 
                            'C1': [1,2,3,4,5,6],  
                            'C2': [7,8,9,10,11,12]})
In [82]: df['F1'] = df.groupby('Key')['C1'].transform(np.sum)

In [83]: df
Out[83]: 
   C1  C2 Key  F1
0   1   7   a   3
1   2   8   a   3
2   3   9   b   7
3   4  10   b   7
4   5  11   c  11
5   6  12   c  11

如果您想执行有条件的 GroupBy，您可以在数据帧传递给 .groubpy 时对其进行过滤。例如，如果 C2 小于 8 或大于 9，您想要 'C1' 的组总和。

In [87]: cond = (df['C2'] < 8) | (df['C2'] > 9)

In [88]: df['F2'] = df[cond].groupby('Key')['C1'].transform(np.sum)

In [89]: df
Out[89]: 
   C1  C2 Key  F1  F2
0   1   7   a   3   1
1   2   8   a   3 NaN
2   3   9   b   7 NaN
3   4  10   b   7   4
4   5  11   c  11  11
5   6  12   c  11  11

这是有效的，因为 transform 操作保留了索引，因此它仍将与原始数据帧正确对齐。

如果您想对两列的组总计求和，做这样的事情可能最简单？有人可能有更聪明的东西。

In [93]: gb = df.groupby('Key')

In [94]: df['C1+C2'] = gb['C1'].transform(np.sum) + gb['C2'].transform(np.sum)

编辑:这是获取多列的组总计的另一种方法。语法并没有真正更清晰，但对于大量列来说可能更方便。

df['C1_C2'] = gb[['C1','C2']].apply(lambda x: pd.DataFrame(x.sum().sum(), index=x.index, columns=['']))