如何用 group-by 和 sum 獲得 Pandas 總和
Asad Riaz
2023年1月30日
我們將演示如何獲取 Pandas 的 groupby 和 sum 的總和。我們還將研究 pivot 功能，以將資料排列在一個漂亮的表中，以及如何定義自定義函式並將其應用到 DataFrame 上。我們還能通過使用 agg() 獲得總和。
groupby 的累計總和
我們可以使用 groupby 方法來獲得累計和。比如以下具有日期，水果名稱和銷售的 DataFrame：
import pandas as pd
df = pd.DataFrame(
{
"Date": ["08/09/2018", "10/09/2018", "08/09/2018", "10/09/2018"],
"Fruit": [
"Apple",
"Apple",
"Banana",
"Banana",
],
"Sale": [34, 12, 22, 27],
}
)
如果我們要計算每個水果在每個日期的累計銷售總額，則可以執行以下操作：
import pandas as pd
df = pd.DataFrame(
{
"Date": ["08/09/2018", "10/09/2018", "08/09/2018", "10/09/2018"],
"Fruit": [
"Apple",
"Apple",
"Banana",
"Banana",
],
"Sale": [34, 12, 22, 27],
}
)
print(df.groupby(by=["Fruit", "Date"]).sum().groupby(level=[0]).cumsum())
輸出：
Fruit Date Sale
Apple 08/09/2018 34
10/09/2018 46
Banana 08/09/2018 22
10/09/2018 49
pivot() 在一個漂亮的表中重新排列資料
pivot() 方法可以設定表格的行和列屬性。讓我們更改上面的程式碼，並應用 pivot() 方法重新排列漂亮表中的資料：
import pandas as pd
df = pd.DataFrame(
{
"Date": ["08/09/2018", "10/09/2018", "08/09/2018", "10/09/2018"],
"Fruit": [
"Apple",
"Apple",
"Banana",
"Banana",
],
"Sale": [34, 12, 22, 27],
}
)
print(
df.groupby(["Fruit", "Date"], as_index=False).sum().pivot("Fruit", "Date").fillna(0)
)
輸出：
Sale
Date 08/09/2018 10/09/2018
Fruit
Apple 34 12
Banana 22 27
Pandas 中將函式應用於 groupby
我們將建立一個簡單的方法來獲取 series 或一維陣列中的值計數，並使用 groupby 來獲取每個值的總計數：
from pandas import *
d = {"series": Series(["1", "2", "1", "1", "4", "4", "5"])}
df = DataFrame(d)
def get_count(values):
return len(values)
grouped_count = df.groupby("series").series.agg(get_count)
print(grouped_count)
執行程式碼後，我們將獲得以下輸出，該輸出提供 series 中每個值的出現次數。
輸出：
series
1 3
2 1
4 2
5 1
Name: series, dtype: int64
agg() 獲取列的總和
我們可以使用 agg() 在列上應用求和運算。考慮以下程式碼：
import pandas as pd
df = pd.DataFrame(
{
"Date": ["08/09/2018", "10/09/2018", "08/09/2018", "10/09/2018"],
"Fruit": [
"Apple",
"Apple",
"Banana",
"Banana",
],
"Sale": [34, 12, 22, 27],
}
)
print(df.groupby(["Fruit"])["Sale"].agg("sum"))
輸出：
Fruit
Apple 46
Banana 49
Name: Sale, dtype: int64