[已解决]如何用groupby进行部分分组求和？

jojo9090

1. import pandas as pd  
   
2.   
   
3. data = {  
   
4.     '类别': ['A', 'B', 'A', 'C', 'A', 'B', 'A', 'A'],  
   
5.     '规格': ['大', '大', '小', '中', '中', '中', '大', '小'],  
   
6.     '值': [1, 2, 3, 4, 5, 6, 7, 8]  
   
7. }  
   
8.   
   
9. 
   
10. df = pd.DataFrame(data)

复制代码

我想根据类别和规格进行求和，但是只对A的“大中小“”规格分别求和，B和C不区分规格，只求总和，效果如下

1.   类别 规格   值
   
2. 0  A  中   5
   
3. 1      大   8
   
4. 2      小  11
   
5. 3  B        8
   
6. 4  C       4

复制代码

最佳答案

月排行榜 / 总排行榜

isdkz

2023-10-13 13:33:06

可以通过多次使用groupby实现部分分组求和。首先，我们可以根据类别和规格进行分组，然后对A类别下的大、中、小规格进行分组求和，B和C类别直接对值进行求和，最后将结果合并。

代码如下：

1. import pandas as pd
   
2. 
   
3. data = {
   
4.     '类别': ['A', 'B', 'A', 'C', 'A', 'B', 'A', 'A'],
   
5.     '规格': ['大', '大', '小', '中', '中', '中', '大', '小'],
   
6.     '值': [1, 2, 3, 4, 5, 6, 7, 8]
   
7. }
   
8. 
   
9. df = pd.DataFrame(data)
   
10. 
    
11. # 对A类别下的大、中、小规格进行分组求和
    
12. grouped_A = df[df['类别'] == 'A'].groupby('规格')['值'].sum().reset_index()
    
13. 
    
14. # 对B和C类别直接对值进行求和
    
15. grouped_B = df[df['类别'].isin(['B', 'C'])].groupby('类别')['值'].sum().reset_index()
    
16. 
    
17. # 将结果合并
    
18. result = pd.concat([grouped_A, grouped_B], ignore_index=True)
    
19. result['类别'] = result['类别'].fillna('A')
    
20. print(result)
    

复制代码

输出结果如下：

1.   类别 规格   值
   
2. 0  A  中   5
   
3. 1  A  大   8
   
4. 2  A  小  11
   
5. 3  B NaN   8
   
6. 4  C NaN   4
   

复制代码

跳转到最佳答案楼层

isdkz

可以通过多次使用groupby实现部分分组求和。首先，我们可以根据类别和规格进行分组，然后对A类别下的大、中、小规格进行分组求和，B和C类别直接对值进行求和，最后将结果合并。

代码如下：

1. import pandas as pd
   
2. 
   
3. data = {
   
4.     '类别': ['A', 'B', 'A', 'C', 'A', 'B', 'A', 'A'],
   
5.     '规格': ['大', '大', '小', '中', '中', '中', '大', '小'],
   
6.     '值': [1, 2, 3, 4, 5, 6, 7, 8]
   
7. }
   
8. 
   
9. df = pd.DataFrame(data)
   
10. 
    
11. # 对A类别下的大、中、小规格进行分组求和
    
12. grouped_A = df[df['类别'] == 'A'].groupby('规格')['值'].sum().reset_index()
    
13. 
    
14. # 对B和C类别直接对值进行求和
    
15. grouped_B = df[df['类别'].isin(['B', 'C'])].groupby('类别')['值'].sum().reset_index()
    
16. 
    
17. # 将结果合并
    
18. result = pd.concat([grouped_A, grouped_B], ignore_index=True)
    
19. result['类别'] = result['类别'].fillna('A')
    
20. print(result)
    

复制代码

输出结果如下：

1.   类别 规格   值
   
2. 0  A  中   5
   
3. 1  A  大   8
   
4. 2  A  小  11
   
5. 3  B NaN   8
   
6. 4  C NaN   4
   

复制代码

陶远航

你可以通过创建一个新的列来标识是否需要区分规格，然后使用groupby进行分组求和。以下是具体的步骤：

1. import pandas as pd
   
2. 
   
3. data = {
   
4.     '类别': ['A', 'B', 'A', 'C', 'A', 'B', 'A', 'A'],
   
5.     '规格': ['大', '大', '小', '中', '中', '中', '大', '小'],
   
6.     '值': [1, 2, 3, 4, 5, 6, 7, 8]
   
7. }
   
8. 
   
9. df = pd.DataFrame(data)
   
10. 
    
11. # 创建一个新的列来标识是否需要区分规格
    
12. df['分组规格'] = df.apply(lambda row: row['规格'] if row['类别'] == 'A' else '总', axis=1)
    
13. 
    
14. # 使用groupby进行分组求和
    
15. result = df.groupby(['类别', '分组规格'])['值'].sum().reset_index()
    
16. 
    
17. # 如果你不想保留'分组规格'列，你可以删除它
    
18. result = result.drop(columns=['分组规格'])
    
19. 
    
20. print(result)
    

复制代码

这段代码首先创建了一个新的列分组规格，如果类别是'A'，则分组规格的值就是规格的值，否则分组规格的值就是'总'。然后，我们根据类别和分组规格进行分组求和。最后，我们删除了分组规格列，因为你可能不想保留它。

这样，你就可以得到你想要的结果，即对于类别'A'，我们分别对'大'、'中'、'小'规格进行求和，对于类别'B'和'C'，我们不区分规格，只求总和。
请注意，本回答来自GPT-4
如果问题已经解决，请设置最佳答案

Mike_python小

在 Pandas 中，你可以使用 groupby 方法进行分组，并结合聚合函数对每个分组进行求和操作。

根据你的需求，对于类别为 A 的数据，需要按照规格进行分组求和；对于类别为 B 和 C 的数据，不区分规格，只求总和。下面是对应的代码实现：

2. import pandas as pd
4. data = {
5.     '类别': ['A', 'B', 'A', 'C', 'A', 'B', 'A', 'A'],
6.     '规格': ['大', '大', '小', '中', '中', '中', '大', '小'],
7.     '值': [1, 2, 3, 4, 5, 6, 7, 8]
8. }
10. df = pd.DataFrame(data)
12. # 对类别为 A 的数据按照规格进行分组求和
13. grouped_A = df[df['类别'] == 'A'].groupby('规格')['值'].sum()
15. # 对类别为 B 和 C 的数据求总和
16. total_B_C = df[df['类别'].isin(['B', 'C'])]['值'].sum()
18. # 合并结果
19. result = pd.concat([grouped_A, pd.Series([total_B_C], index=['B&C'])])
21. print(result)

复制代码

运行以上代码，将得到以下结果：

[/code]
规格
中     5
大     8
小    11
B&C    12
Name: 值, dtype: int64
[/code]

其中，'中'、'大'、'小' 分别是类别 A 下的规格，'B&C' 是类别 B 和 C 的总和。每个规格对应的求和结果以及类别 B 和 C 的总和都被正确计算出来。

希望以上解答能够满足你的需求，如果还有其他问题，请随时提问。

球一个最佳答案谢谢啦！这对我非常重要！

jojo9090

楼里代码都试了下，只有二楼运行结果符合我的要求，都谢谢啦。