亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

添加 groupby 對象的各個數據幀的數字列的 Pythonic 方法

添加 groupby 對象的各個數據幀的數字列的 Pythonic 方法

繁花如伊 2023-06-27 10:43:05
我有一個時間序列數據,我將其分組,并且想將所有組的數字列相加。注意:這不是各個組的列的聚合,而是組對象中所有數據幀的相應單元格的總和。由于它是時間序列數據,因此數據幀中的一些列本質上保持相同,例如Region和Region_Code本身Time在數據幀中保持相同。我的偽代碼是 -通過...分組Region_Code僅選擇分組對象的數字列制作區域列表通過迭代區域列表和求和來調用組對象中的數據框讓其他列像Region,Region_Code和Time但問題是,當我添加帶有空數據幀的調用數據幀時,所有內容都變成空/空,所以最終我什么都沒有。import pandas as pdcountries = ['United States','United States','United States','United States','United States', 'Canada', 'Canada', 'Canada', 'Canada', 'Canada', 'China', 'China', 'China', 'China', 'China']code = ['US', 'US','US','US','US','CAN','CAN','CAN','CAN','CAN', 'CHN','CHN','CHN','CHN','CHN']time = [1,2,3,4,5,1,2,3,4,5,1,2,3,4,5]temp = [2.1,2.2,2.3,2.4,2.5, 3.1,3.2,3.3,3.4,3.5, 4.1,4.2,4.3,4.4,4.5]pressure = [1.0,1.0,1.0,1.0,1.0, 1.1, 1.1, 1.1, 1.1, 1.1, 1.2,1.2,1.2,1.2,1.2]speed = [20,21,22,23,24, 10,11,12,13,14, 30,31,32,33,34]df = pd.DataFrame({'Region': countries, 'Time': time, 'Region_Code': code, 'Temperature': temp, 'Pressure': pressure, 'Speed': speed})countries_grouped = df.groupby('Region_Code')[list(df.columns)[3:]]country_list = ['US', 'CAN', 'CHN']temp = pd.DataFrame()for country in country_list:    temp += countries_grouped.get_group(country) ## <--- Failstemp# Had the above worked, the rest of the columns can be made as followstemp['Region'] = 'All'temp['Time'] = df['Time']temp['Region_Code'] = 'ALL'它看起來并不可潘多拉。最好的方法是什么?預期輸出:    Region  Time    Region_Code     Temperature     Pressure    Speed0   All      1          ALL              9.3            3.3       601   All      2          ALL              9.6            3.3       632   All      3          ALL              9.9            3.3       663   All      4          ALL              10.2           3.3       694   All      5          ALL              10.5           3.3       72
查看完整描述

1 回答

?
慕神8447489

TA貢獻1780條經驗 獲得超1個贊

我認為您需要聚合sum- 默認情況下排除所有非數字列,因此您可以通過DataFrame.reindex原始列添加它們,并通過以下方式替換缺失值ALL

print (df.groupby('Time', as_index=False).sum())

? ?Time? Temperature? Pressure? Speed

0? ? ?1? ? ? ? ? 9.3? ? ? ?3.3? ? ?60

1? ? ?2? ? ? ? ? 9.6? ? ? ?3.3? ? ?63

2? ? ?3? ? ? ? ? 9.9? ? ? ?3.3? ? ?66

3? ? ?4? ? ? ? ?10.2? ? ? ?3.3? ? ?69

4? ? ?5? ? ? ? ?10.5? ? ? ?3.3? ? ?72


df = df.groupby('Time', as_index=False).sum().reindex(df.columns, axis=1, fill_value='ALL')

print (df)

? Region? Time Region_Code? Temperature? Pressure? Speed

0? ? ALL? ? ?1? ? ? ? ?ALL? ? ? ? ? 9.3? ? ? ?3.3? ? ?60

1? ? ALL? ? ?2? ? ? ? ?ALL? ? ? ? ? 9.6? ? ? ?3.3? ? ?63

2? ? ALL? ? ?3? ? ? ? ?ALL? ? ? ? ? 9.9? ? ? ?3.3? ? ?66

3? ? ALL? ? ?4? ? ? ? ?ALL? ? ? ? ?10.2? ? ? ?3.3? ? ?69

4? ? ALL? ? ?5? ? ? ? ?ALL? ? ? ? ?10.5? ? ? ?3.3? ? ?72

編輯:對于自定義替換缺失值,請DataFrame.fillna與字典一起使用 - 具有替換值的列名稱:


d = {'Region':'GLOBAL','Region_Code':'ALL'}

df1 = df.groupby('Time', as_index=False).sum().reindex(df.columns, axis=1).fillna(d)

print (df1)

? ?Region? Time Region_Code? Temperature? Pressure? Speed

0? GLOBAL? ? ?1? ? ? ? ?ALL? ? ? ? ? 9.3? ? ? ?3.3? ? ?60

1? GLOBAL? ? ?2? ? ? ? ?ALL? ? ? ? ? 9.6? ? ? ?3.3? ? ?63

2? GLOBAL? ? ?3? ? ? ? ?ALL? ? ? ? ? 9.9? ? ? ?3.3? ? ?66

3? GLOBAL? ? ?4? ? ? ? ?ALL? ? ? ? ?10.2? ? ? ?3.3? ? ?69

4? GLOBAL? ? ?5? ? ? ? ?ALL? ? ? ? ?10.5? ? ? ?3.3? ? ?72


查看完整回答
反對 回復 2023-06-27
  • 1 回答
  • 0 關注
  • 151 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號