python - Pandas GroupBy 使用另一个单热编码/重叠掩码的 DataFrame

Question

我有两个数据框，其中包含对列的行和特征(或组成员)的观察，例如:

> data_df

     a    b    c
A    1    2    1
B    0    1    3
C    0    0    1
D    2    1    1
E    1    1    1

> mask_df

    g1   g2
A    0    1
B    1    0
C    1    0
D    1    0
E    0    1

我想根据第二个数据帧 (mask_df) 中的二进制值(掩码)对第一个数据帧 (data_df) 中的值进行分组和聚合(按总和) ).结果应如下(组 x 特征):

> aggr_df

     a    b    c
g1   2    2    5
g2   2    3    2

pandas 有没有办法在单个命令中使用第二个数据帧 (mask_df) 中包含的掩码对第一个数据帧 (data_df) 进行分组？

Answer 1

您可以使用 dot 和 groupby 以低廉的成本做到这一点:

data_df.groupby(mask_df.dot(mask_df.columns)).sum()

    a  b  c
g1  2  2  5
g2  2  3  2

在哪里，

mask_df.dot(mask_df.columns)

A    g2
B    g1
C    g1
D    g1
E    g2
dtype: object

假设每一行始终恰好有一列设置为 1，这会很好地工作。