python - Pandas DataFrame 如何按指定列的值对行进行分组(透视？)，但保留原始索引？

Question

我正在尝试使用 Pandas 实现变量消除算法。如果有人熟悉求和步骤，给定一个表格，其中 a、b、c 是变量(不一定是 bool 值)，f 是给定这些变量值的某个函数(因子)。

       a      b      c      f
0   True   True   True  0.015
1   True   True  False  0.035
2   True  False   True  0.270
3   True  False  False  0.180
4  False   True   True  0.030
5  False   True  False  0.070
6  False  False   True  0.240
7  False  False  False  0.160

我想总结 f所有行的 s，其中 (a,c)=(T,T) , 还有 f所有行的 s，其中 (a,c)=(T,F) , (F,T) , (F,F) .结果看起来像

       a     c     f
0   True  True  0.285
1   True   False  0.215
2   False  True  0.27
3   False  False  0.23

因此名称为“sum-out ( b)”。

我能得到的最接近的是使用 pd.pivot_table(df, index=df.index.values, columns=['a', 'c'], values='f', aggfunc=np.sum, fill_value=0).sum()返回

a      c
False  False    xxx
       True     xxx
True   False    xxx
       True     xxx

另一个 unstack可以给我们

c      False  True
a
False   xxx   xxx
True    xxx   xxx

这仍然不是我想要的。

请注意，我可以有任意多个变量，以及任意多个变量来求和(或保留)。所以虽然在这种情况下我可以做 pd.pivot_table(df, index=<some of the var left, e.g. a>, columns=<other var left, e.g. c>, values='f', aggfunc=np.sum)为了得到相同的结果，在其他情况下可能只剩下一个变量，或者太多了。

变量可能不是 bool 类型，但它们应该具有有限和离散域。

另请注意，我在这里的索引只是虚拟的无意义索引。通过“保持原始索引”，我的意思是让它们保持虚拟，但不知何故只能沿着 axis=0 聚合。 .

此外，如果有人可以提出更好的多维数组类数据结构来完成这项工作，也可以。

Answer 1

您可以像这样使用 groupby 和 agg 函数。

df.groupby(['a','c'])['f'].agg('sum').reset_index()