python - 将 DataFrame 中的值求和到父索引中 - Python/Pandas

Question

我正在处理 Mint 交易数据，并尝试将每个类别的值汇总到它的父类别中。

我有一个从我所有的 Mint 交易创建的数据框 mint_data:

mint_data = tranactions_data.pivot(index='Category', columns='Date', values='Amount')

mint_data image

还有一个带有 Category:Parent 对的字典(这使用 xlwings 从 excel 表中提取)

cat_parent = cats_sheet.range('A1').expand().options(dict).value

Cat:Parent image

我不确定如何循环遍历 mint_data df 并将金额汇总到父类别中。我想保持数据框格式完全相同，只是替换父值。

这是一个例子:

        A B C D E
par_a   0 0 5 0 0
cat1a   5 2 3 2 1
cat2a   0 1 2 1 0
par_b   1 0 1 1 2
cat1b   0 1 2 1 0
cat2b   1 1 1 1 1
cat3b   0 1 2 1 0

我也有一个字典

{'par_a': 'par_a',
 'cat1a': 'par_a',
 'cat2a': 'par_a',
 'par_b': 'par_b',
 'cat1b': 'par_b',
 'cat2b': 'par_b',
 'cat3b': 'par_b'}

我正在尝试让数据框结束

        A B C D E
par_a   5 3 10 3 1
cat1a   5 2 3 2 1
cat2a   0 1 2 1 0
par_b   2 3 6 4 3
cat1b   0 1 2 1 0
cat2b   1 1 1 1 1
cat3b   0 1 2 1 0

Answer 1

让我们将您的字典称为“dct”，然后创建一个映射到父字典的新列:

>>> df['parent'] = df.reset_index()['index'].map(dct).values

       A  B  C  D  E parent
par_a  0  0  5  0  0  par_a
cat1a  5  2  3  2  1  par_a
cat2a  0  1  2  1  0  par_a
par_b  1  0  1  1  2  par_b
cat1b  0  1  2  1  0  par_b
cat2b  1  1  1  1  1  par_b
cat3b  0  1  2  1  0  par_b

然后按父级求和:

>>> df_sum = df.groupby('parent').sum()

        A  B   C  D  E
parent                
par_a   5  3  10  3  1
par_b   2  3   6  4  3

在许多情况下，您会止步于此，但由于您想要合并父/子数据，因此需要某种合并。 combine_first 在这里会很好地工作，因为它会选择性地按照您想要的方向更新:

>>> df_new = df_sum.combine_first(df)

         A    B     C    D    E parent
cat1a  5.0  2.0   3.0  2.0  1.0  par_a
cat1b  0.0  1.0   2.0  1.0  0.0  par_b
cat2a  0.0  1.0   2.0  1.0  0.0  par_a
cat2b  1.0  1.0   1.0  1.0  1.0  par_b
cat3b  0.0  1.0   2.0  1.0  0.0  par_b
par_a  5.0  3.0  10.0  3.0  1.0  par_a
par_b  2.0  3.0   6.0  4.0  3.0  par_b

您在评论中提到了多索引，因此您可能更愿意像这样组织它:

>>> df_new.reset_index().set_index(['parent','index']).sort_index()

                A    B     C    D    E
parent index                          
par_a  cat1a  5.0  2.0   3.0  2.0  1.0
       cat2a  0.0  1.0   2.0  1.0  0.0
       par_a  5.0  3.0  10.0  3.0  1.0
par_b  cat1b  0.0  1.0   2.0  1.0  0.0
       cat2b  1.0  1.0   1.0  1.0  1.0
       cat3b  0.0  1.0   2.0  1.0  0.0
       par_b  2.0  3.0   6.0  4.0  3.0