Pandas: Erstellen einer aggregierten Spalte in DataFrame

Mit dem DataFrame-im folgenden als ein Beispiel,

In [83]:
df = pd.DataFrame({'A':[1,1,2,2],'B':[1,2,1,2],'values':np.arange(10,30,5)})
df
Out[83]:
   A  B  values
0  1  1      10
1  1  2      15
2  2  1      20
3  2  2      25

Was wäre eine einfache Möglichkeit zum erzeugen einer neuen Spalte mit der aggregation der Daten über eine der Spalten?

Zum Beispiel, wenn ich Summe values über Elemente in A

In [84]:
df.groupby('A').sum()['values']
Out[84]:
A
1    25
2    45
Name: values

Wie bekomme ich

   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45

InformationsquelleAutor der Frage foglerit | 2012-11-06

  1. 24
    In [20]: df = pd.DataFrame({'A':[1,1,2,2],'B':[1,2,1,2],'values':np.arange(10,30,5)})

In [21]: df
Out[21]:
   A  B  values
0  1  1      10
1  1  2      15
2  2  1      20
3  2  2      25

In [22]: df['sum_values_A'] = df.groupby('A')['values'].transform(np.sum)

In [23]: df
Out[23]:
   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45

    InformationsquelleAutor der Antwort Wouter Overmeire

  2. 3

    Ich einen Weg gefunden, mit join:

    In [101]:
aggregated = df.groupby('A').sum()['values']
aggregated.name = 'sum_values_A'
df.join(aggregated,on='A')

Out[101]:
   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45

    Jemand einen einfacheren Weg, es zu tun?

    InformationsquelleAutor der Antwort foglerit

  3. 3

    Dies ist nicht so direkt, aber ich fand es sehr intuitiv zu bedienen (die Verwendung von map zu erstellen Sie neue Spalten aus einer anderen Spalte) und kann angewendet werden, um viele andere Fälle:

    gb = df.groupby('A').sum()['values']

def getvalue(x):
    return gb[x]

df['sum'] = df['A'].map(getvalue)
df

    InformationsquelleAutor der Antwort joaquin

  4. 3
    In [15]: def sum_col(df, col, new_col):
   ....:     df[new_col] = df[col].sum()
   ....:     return df

In [16]: df.groupby("A").apply(sum_col, 'values', 'sum_values_A')
Out[16]: 
   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45

    InformationsquelleAutor der Antwort Garrett

Schreibe einen Kommentar