python - 如何将计算列按多列分组？

Question

您好，我有下面列出的这个数据框。

import pandas as pd

db_docks = pd.DataFrame(db_top_25, columns = ['from_station_id', 'to_station_id', 'hour', 'day','dpcapacity_start', 'dpcapacity_end'])

示例数据的图像，因为我无法直接嵌入它

我需要做的是创建一个按“小时”、“天”和“from_station_id”分组的新数据框。之后，我需要计算 'from_station_id' 的数量并减去 'to_station_id' 的数量，这是需要按 'hour'、'day' 和 'from_station_id' 分组的主列。

我知道我需要使用 .groupby 和最有可能的 .transform，但我不知道如何开始编写此语法，所以我真的需要帮助。

提前致谢。

编辑:

我已经测试过了

db_docks = pd.DataFrame(db_top_25.groupby(['from_station_id', 'day',
'hour'])['year'].count())
db_docks.reset_index()

它返回这个结果，这是正确的，我只需要添加“from_station_id”实例计数减去“to_station_id”实例计数列:

回应@Kenan

import pandas as pd

data = {'from_station_id':  [1,1,1,2,2,2,2,3,3],
        'day': [1,1,1,1,1,2,2,2,2]
        'hour': [1,1,1,1,1,2,2,2,2]
        }

预期的输出是我能够知道每个“from_station_id”中出现了多少个 from_station_id 实例相对于日期和小时的计数。

Answer 1

如果您按小时、天和from_station_id对DataFrame进行分组，那么每个组仅包含一个 from_station_id，因此没有意义计算不同值的数量。

那么也许您只想小时和日期仅分组？ (这更有意义)。

为了拥有多个组，我稍微扩展了您的数据，这样它包含两个组(按小时和天分组时):

   from_station_id  to_station_id  hour  day  dpcapacity_start  dpcapacity_end
0               56             78    22    4              20.0            30.0
1               66             77    22    4              23.0            11.0
2               66             77    23    4              23.0            11.0
3              110             77    23    4              23.0            31.0
4              110            289    23    4              15.0            19.0
5               81             41    23    4              39.0            19.0
6               56             77    23    4              27.0            31.0

然后，计算不同 from_station_id 数量之间的差异和from_station_id，在每个组中定义以下函数:

def dif(grp):
    n1 = grp.from_station_id.unique().size
    n2 = grp.from_station_id.unique().size
    return n1 - n2

然后将其应用到每个组:

db_docks.groupby(['hour', 'day']).apply(dif)

结果是一个系列:

hour  day
22    4      0
23    4      1

地点:

• 小时和天是每个组的键，
• 值列(无名称)包含您的差异。

例如23 小时和 4 天的组包含:

• 4 from_station_id(66、110、81 和 56)，
• 3 to_station_id(77、289 和 44)，

所以他们的差异只是1。

也许这不仅仅是您需要的，但无论如何您现在已经有了一些线索以及如何对 grouppinig 进行编程。