熊猫中的excel sumproduct

发布于 2025-01-24 11:59:46 字数 308 浏览 0 评论 0原文

我有一个DF:

Type   price   stock
a      2       2
b      4       1
b      3       3
a      1       2
a      3       1

我想获得的结果是:

Type   price*stock
a      2*2+1*2+3*1 = 9
b      4*1+3*3 = 13 

我可以在Excel中轻松地做到这一点,但是在熊猫中怎么样?我尝试了groupby功能,但仍然失败:(

I have a df:

Type   price   stock
a      2       2
b      4       1
b      3       3
a      1       2
a      3       1

The result I would like to get is:

Type   price*stock
a      2*2+1*2+3*1 = 9
b      4*1+3*3 = 13 

I can easily do it in Excel, but how about in Pandas? I have tried groupby function but still fails:(

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(4

终止放荡 2025-01-31 11:59:46

第一个多列,然后汇总sum以提高性能:

df1 = df.price.mul(df.stock).groupby(df.Type).sum().reset_index(name='price*stock')
print (df1)
  Type  price*stock
0    a            9
1    b           13

另一个想法是一个具有多个值的克里特列列,然后将其汇总:

df1 = (df.assign(**{'price*stock': df.price.mul(df.stock)})
         .groupby('Type', as_index=False)['price*stock']
         .sum())
print (df1)
  Type  price*stock
0    a            9
1    b           13

First multiple columns and then aggregate sum for improve performance:

df1 = df.price.mul(df.stock).groupby(df.Type).sum().reset_index(name='price*stock')
print (df1)
  Type  price*stock
0    a            9
1    b           13

Another idea is first crete column with multiple values and then aggregate it:

df1 = (df.assign(**{'price*stock': df.price.mul(df.stock)})
         .groupby('Type', as_index=False)['price*stock']
         .sum())
print (df1)
  Type  price*stock
0    a            9
1    b           13
沙与沫 2025-01-31 11:59:46

groupby关于类型方程应用于每个组。

out = df.groupby("Type").apply(lambda x: sum(x["price"]*x["stock"])).reset_index(name="price*stock")

print(out)
>>  Type  price*stock
0   a         9
1   b         13

groupby with respect to Type and apply equation to each group.

out = df.groupby("Type").apply(lambda x: sum(x["price"]*x["stock"])).reset_index(name="price*stock")

print(out)
>>  Type  price*stock
0   a         9
1   b         13
扛刀软妹 2025-01-31 11:59:46

还:

df.groupby('Type').apply(lambda x:[email protected]).reset_index(name='price_stock')
 
  Type  price_stock
0    a            9
1    b           13

Also:

df.groupby('Type').apply(lambda x:[email protected]).reset_index(name='price_stock')
 
  Type  price_stock
0    a            9
1    b           13
荒岛晴空 2025-01-31 11:59:46
df.groupby('Type').apply(lambda x: x['price'].dot(x['stock'])).to_frame('sumproduct')



       sumproduct
Type            
a              9
b             13
df.groupby('Type').apply(lambda x: x['price'].dot(x['stock'])).to_frame('sumproduct')



       sumproduct
Type            
a              9
b             13
~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文