python - 基于来自 pandas/python 中多列的字符串对一列中的值求和

Question

我有一个包含 4 列的数据框。其中 3 列包含字符串值(人名)，第 4 列包含 int 值(完成工作的薪水)。

字符串值也不是唯一的，相同的字符串会在每一列中出现多次，但每行不会超过一次。

data = {
    'worker1': ['Sam', 'Jack', 'Matt', 'Paul', 'Tim'],
    'worker2': ['Alex', 'Amy', 'Sam', 'Alice', 'Amanda'], 
    'worker3': ['Alice', 'Aaron', 'Tony', 'Jack', 'Sam'],
    'earnings': [4564552, 4573547, 3567567, 6357653, 7648576]}

df = pd.DataFrame(data, columns = ['worker1', 'worker2', 'worker3', 'earnings'])

print(df)

worker1    worker2    worker3    earnings
'Sam'      'Alex'     'Alice'    4564552
'Jack'     'Amy'      'Aaron'    4573547
'Matt'     'Sam'      'Tony'     3567567
'Paul'     'Alice'    'Jack'     6357653
'Tim'      'Amanda'   'Sam'      7648576

所以我需要的是对与特定名称相关的所有收入求和，无论它是否显示在第 1、2 或 3 列。我不确定是否应该为此使用 groupby 函数，构建字典或去另一条路线。

这就是我想要完成的:

workers    total_earnings
Sam        16080695
Alex       4564552
Alice      10922205
Jack       10931200
Amy        4573547
Aaron      4573547
Matt       3567567
Tony       3567567
Paul       6357653
Tim        7648576
Amanda     7648576

我对 pandas 很陌生，所以我不熟悉我可以使用哪些函数来做这样的事情。我主要尝试使用 groupby 函数，但那是一场灾难。

如有任何帮助，我们将不胜感激。

Answer 1

有点长，但做你想做的:

>>> df1 = pd.concat([df.groupby('worker1').sum(), df.groupby('worker2').sum(), df.groupby('worker3').sum()])
>>> df1.groupby(df1.index).sum()
        earnings
Aaron    4573547
Alex     4564552
Alice   10922205
Amanda   7648576
Amy      4573547
Jack    10931200
Matt     3567567
Paul     6357653
Sam     15780695
Tim      7648576
Tony     3567567