python Pandas : replace groupby operation

Question

我将下表作为 pandas 数据框:

| ID | Name | Sales | Source   |
|----|------|-------|----------|
| 1  | a    | 34    | Source A |
| 2  | b    | 3423  | Source A |
| 3  | c    | 2     | Source A |
| 4  | d    | 342   | Source A |
| 3  | c    | 34    | Source A |
| 5  | e    | 234   | Source A |
| 6  | f    | 234   | Source A |
| 7  | g    | 23    | Source A |
| 1  | a    | 12    | Source B |
| 2  | b    | 42    | Source B |
| 3  | c    | 9     | Source B |
| 2  | b    | 22    | Source B |
| 1  | a    | 1     | Source B |
| 8  | h    | 56    | Source B |

最好的方法是 (i) 汇总每个源的每个 ID 的销售额，以及 (ii) 将结果放入两个新列“Source A”和“Source B”，这样生成的 dataframe 看起来如下:

| ID | Name | Source A | Source B |
|----|------|----------|----------|
| 1  | a    | 34       | 13       |
| 2  | b    | 3423     | 64       |
| 3  | c    | 36       | 9        |
| 4  | d    | 342      | 0        |
| 5  | e    | 234      | 0        |
| 6  | f    | 234      | 0        |
| 7  | g    | 23       | 0        |
| 8  | h    | 0        | 56       |

我最初的做法如下:

data = {"ID":[1,2,3,4,3,5,6,7,1,2,3,2,1,8], 
      "Name":list("abcdcefgabcbah"), 
      "Sales":[34,3423,2,342,34,234,234,23,12,42,9,22,1,56],
      "Source":["Source A"]*8 + ["Source B"]*6
     }
df = pd.DataFrame(data)

df.groupby(["ID","Name","Source"])["Sales"].sum().unstack()

问题:我的初始表是使用不同的文件构建的，而不是应用 pd.concat。所以感觉我可以通过首先以不同方式连接(或合并)来实现最终表。有没有更好的方法来实现这一目标？作为侧节点:实际数据表由 6 个不同的来源组成。

感谢您的帮助!

Answer 1

你可以使用pd.crosstab:

pd.crosstab(df.Name, df.Source, df.Sales, aggfunc='sum').fillna(0)

输出:

Source  Source A  Source B
Name                      
a           34.0      13.0
b         3423.0      64.0
c           36.0       9.0
d          342.0       0.0
e          234.0       0.0
f          234.0       0.0
g           23.0       0.0
h            0.0      56.0

或者，数据透视表

df.pivot_table('Sales','Name','Source', aggfunc='sum').fillna(0)

输出:

Source  Source A  Source B
Name                      
a           34.0      13.0
b         3423.0      64.0
c           36.0       9.0
d          342.0       0.0
e          234.0       0.0
f          234.0       0.0
g           23.0       0.0
h            0.0      56.0

或者使用 set_index 和 sum 和 level 参数，然后 unstack:

df.set_index(['Name','Source'])['Sales'].sum(level=[0,1]).unstack(fill_value=0) 

输出:

Source  Source A  Source B
Name                      
a             34        13
b           3423        64
c             36         9
d            342         0
e            234         0
f            234         0
g             23         0
h              0        56