最佳通过例子来说明:GROUPBY在具有不同功能的熊猫用于不同的列
我想通过col1
和col2
聚集一数据帧,在col5
如果col3
和col4
求和结果和平均结果我只想总结col3-5我会用df.groupby(['col1','col2']).sum()
最佳通过例子来说明:GROUPBY在具有不同功能的熊猫用于不同的列
我想通过col1
和col2
聚集一数据帧,在col5
如果col3
和col4
求和结果和平均结果我只想总结col3-5我会用df.groupby(['col1','col2']).sum()
您可以使用Groupby.agg()
(或Groupby.aggregate()
)这个方法。
aggregate()
函数可以接受字典作为参数,在这种情况下,它将键作为列名和值作为用于聚合的函数。如the documentation -
通过传递字典来聚合,您可以将不同的聚合应用于DataFrame的列。
示例 -
import numpy as np
result = df.groupby(['col1','col2']).agg({'col3':'sum','col4':'sum','col5':np.average})
演示 -
In [50]: df = pd.DataFrame([[1,2,3,4,5],[1,2,6,7,8],[2,3,4,5,6]],columns=list('ABCDE'))
In [51]: df
Out[51]:
A B C D E
0 1 2 3 4 5
1 1 2 6 7 8
2 2 3 4 5 6
In [52]: df.groupby(['A','B']).aggregate({'C':np.sum,'D':np.sum,'E':np.average})
Out[52]:
C E D
A B
1 2 9 6.5 11
2 3 4 6.0 5
会是很好的样本数据和预期的结果? – Zero