python/pandas将行合并为一行，并决定在每列中要做什么操作

Question

我有一个带有列['date'（dateTime），“工作时间”（TimeDelta），'pay'（float），“付费每小时付费”（float），“距离”（距离），“距离”（float），'（float），'的pandas dataframe（data）最低薪水'（float）]

如何根据所有人相同的列值将行组合为1行，但分配了如何计算其他列的值？ 我想根据同一日期['date']。dt.date组合行。 并为每列分配不同的操作。

例如，对于列“工作时间”（sum），“付费”（sum），“每小时付费”（平均），“距离”（sum），“最低薪水”（最低）]

我找到了重复的行基于日期： data [data ['date']。dt.date.duplicated（）] 但是我不确定如何结合行。另外，我使用groupby（）检查了一些方法，但是我不确定在这种情况下如何使用它。

感谢您的帮助！

Answer 1

如果我了解问题，以下问题可能会对您有所帮助。

您确实可以使用 groupby 在您感兴趣的列上，但缺少一些东西。

首先：使用模拟数据很好。这是我的代码

dates = pd.date_range('10-01-2016', periods=50, freq='S')
df = pd.DataFrame({'value': 100 + np.random.randint(-5, 10, 100).cumsum(),
                  'value1': 75 + np.random.randint(-5, 10, 100).cumsum(),
                  'value2': 50 + np.random.randint(-5, 10, 100).cumsum(),
                  'value3': 25 + np.random.randint(-5, 10, 100).cumsum(),
                  'date': dates.append(dates)})
df = df.sort_values(by='date').set_index('date')
df.head()

请注意，每个日期都是重复的。
第二：如您所说，使用

df.groupby("date").agg({"value":np.average,"value1":np.sum,"value2":np.std,"value3":np.diff}).head()

希望这是您所需要的。