web-dev-qa-db-ja.com

Python Pandas Groupbyの条件付き合計

サンプルデータの使用：

df = pd.DataFrame({'key1' : ['a','a','b','b','a'],
               'key2' : ['one', 'two', 'one', 'two', 'one'],
               'data1' : np.random.randn(5),
               'data2' : np. random.randn(5)})

df

    data1        data2     key1  key2
0    0.361601    0.375297    a   one
1    0.069889    0.809772    a   two
2    1.468194    0.272929    b   one
3   -1.138458    0.865060    b   two
4   -0.268210    1.250340    a   one

Key1でデータをグループ化し、key2が「1」であるdata1値のみを合計する方法を理解しようとしています。

これが私が試したものです

def f(d,a,b):
    d.ix[d[a] == b, 'data1'].sum()

df.groupby(['key1']).apply(f, a = 'key2', b = 'one').reset_index()

しかし、これは私に「なし」の値を持つデータフレームを与えます

index   key1    0
0       a       None
1       b       None

ここに何かアイデアはありますか？ Pandas次のSQLに相当するものを探しています。

SELECT Key1, SUM(CASE WHEN Key2 = 'one' then data1 else 0 end)
FROM df
GROUP BY key1

参考までに =の条件付き合計pandas aggregate を見ましたが、カウントではなく合計で機能するようにそこに提供された回答を変換できませんでした。

前もって感謝します

pythonpandaspandas-groupby
25
AllenQ

最初のgroupby key1列：

In [11]: g = df.groupby('key1')

次に、各グループについて、key2が「1」に等しいsubDataFrameを取得し、data1列を合計します。

In [12]: g.apply(lambda x: x[x['key2'] == 'one']['data1'].sum())
Out[12]:
key1
a       0.093391
b       1.468194
dtype: float64

何が起こっているのかを説明するために、「a」グループを見てみましょう。

In [21]: a = g.get_group('a')

In [22]: a
Out[22]:
      data1     data2 key1 key2
0  0.361601  0.375297    a  one
1  0.069889  0.809772    a  two
4 -0.268210  1.250340    a  one

In [23]: a[a['key2'] == 'one']
Out[23]:
      data1     data2 key1 key2
0  0.361601  0.375297    a  one
4 -0.268210  1.250340    a  one

In [24]: a[a['key2'] == 'one']['data1']
Out[24]:
0    0.361601
4   -0.268210
Name: data1, dtype: float64

In [25]: a[a['key2'] == 'one']['data1'].sum()
Out[25]: 0.093391000000000002

データフレームを最初にkey2が1に等しいものに制限することで、これを行うのが少し簡単/明確になる場合があります。

In [31]: df1 = df[df['key2'] == 'one']

In [32]: df1
Out[32]:
      data1     data2 key1 key2
0  0.361601  0.375297    a  one
2  1.468194  0.272929    b  one
4 -0.268210  1.250340    a  one

In [33]: df1.groupby('key1')['data1'].sum()
Out[33]:
key1
a       0.093391
b       1.468194
Name: data1, dtype: float64
34
Andy Hayden

今日はpandas 0.23でこれができると思います：

import numpy as np

 df.assign(result = np.where(df['key2']=='one',df.data1,0))\
   .groupby('key1').agg({'result':sum})

これの利点は、同じデータフレームの複数の列に適用できることです

df.assign(
 result1 = np.where(df['key2']=='one',df.data1,0),
 result2 = np.where(df['key2']=='two',df.data1,0)
  ).groupby('key1').agg({'result1':sum, 'result2':sum})
8
Diego

データフレームをフィルタリングできますbeforegroupby操作を実行します。すべての値が範囲外であるためにシリーズインデックスが減少する場合は、reindexをfillnaとともに使用できます。

res = df.loc[df['key2'].eq('one')]\
        .groupby('key1')['data1'].sum()\
        .reindex(df['key1'].unique()).fillna(0)

print(res)

key1
a    3.631610
b    0.978738
c    0.000000
Name: data1, dtype: float64

セットアップ

デモ用に行を追加しました。

np.random.seed(0)

df = pd.DataFrame({'key1': ['a','a','b','b','a','c'],
                   'key2': ['one', 'two', 'one', 'two', 'one', 'two'],
                   'data1': np.random.randn(6),
                   'data2': np.random.randn(6)})
0
jpp