Python-按多列分组

Question

我有一个列表列表 - 表示一个包含 4 列和许多行 (10000+) 的表。

每个子列表包含 4 个变量。

这是我的表格的一小部分:

['1810569', 'a', 5, '1241.52']
['1437437', 'a', 5, '1123.90']
['1437437', 'b', 5, '1232.43']
['1810569', 'b', 5, '1321.31']
['1810569', 'a', 5, '1993.52']

第一列代表家庭ID，第二列代表家庭中的成员ID。

第四列代表我想要求和的权重 - 分别针对每个成员。

对于上面的示例，我希望输出为:

['1810569', 'a', 5, '3235.04']
['1437437', 'a', 5, '1123.90']
['1437437', 'b', 5, '1232.43']
['1810569', 'b', 5, '1321.31']

换句话说 - 将第 1 行和第 5 行中的权重相加，因为它们是同一用户的权重 - 而所有其他用户都是不同的。

我在 pandas 中看到了一些关于 group by 的内容 - 但我不明白如何准确地使用它来解决我的问题。

Answer 1

假设以下是您的列表，那么以下内容将起作用:

In [192]:
l=[['1810569', 'a', 5, '1241.52'],
['1437437', 'a', 5, '1123.90'],
['1437437', 'b', 5, '1232.43'],
['1810569', 'b', 5, '1321.31'],
['1810569', 'a', 5, '1993.52']]
l

Out[192]:
[['1810569', 'a', 5, '1241.52'],
 ['1437437', 'a', 5, '1123.90'],
 ['1437437', 'b', 5, '1232.43'],
 ['1810569', 'b', 5, '1321.31'],
 ['1810569', 'a', 5, '1993.52']]

In [201]:
# construct the df and convert the last column to float    
df = pd.DataFrame(l, columns=['household ID', 'Member ID', 'some col', 'weights'])
df['weights'] = df['weights'].astype(float)
df

Out[201]:
  household ID Member ID  some col  weights
0      1810569         a         5  1241.52
1      1437437         a         5  1123.90
2      1437437         b         5  1232.43
3      1810569         b         5  1321.31
4      1810569         a         5  1993.52

因此，我们现在可以对家庭和成员 ID 进行groupby，并对“权重”列调用sum:

In [200]:    
df.groupby(['household ID', 'Member ID'])['weights'].sum().reset_index()

Out[200]:
  household ID Member ID  weights
0      1437437         a  1123.90
1      1437437         b  1232.43
2      1810569         a  3235.04
3      1810569         b  1321.31