python - 使用 3 列数据操作 pandas 数据框

Question

我无法想出完成任务的方法。我有一个包含 3 列的数据框:length、reachcode 和 year。

我的示例数据框:

year  reachcode  length
1988  1000       1.2
1988  1000       2.0
1990  1000       0.3
1993  1000       0.5

我试图在一年内找到重复的“reachcode”，然后对那一年的“length”求和。

之后，我想将不同年份的“长度”总和值与相同的“reachcode”进行比较，并保留最小值。

因此，在示例数据框中，1998 年和 reachcode = 1000 的长度 1.2 和 2.0 将相加，然后该值 (3.2) 将与 1990 年和 1993 年进行比较，其中值 0.3 和 reachcode 保留在新列表中。

我有一些使用 Pandas 的经验，但这是一项比我以前必须处理的任务更复杂的任务。我的真实数据框大约有 40,000 行，因此找到一种自动执行此操作的方法将非常有帮助。感谢您的帮助。

Answer 1

只需运行 groupby 聚合:

df['lengthsum'] = df.groupby(['year', 'reachcode'])['length'].transform(sum)

df['lengthmin'] = df.groupby(['reachcode'])['lengthsum'].transform(min)

#    year  reachcode  length  lengthsum  lengthmin
# 0  1988       1000     1.2        3.2        0.3
# 1  1988       1000     2.0        3.2        0.3
# 2  1990       1000     0.3        0.3        0.3
# 3  1993       1000     0.5        0.5        0.3