与groupby一起使用sum（）时，请保留其他列

Question

我有下面的pandas dataframe：

    df

    name    value1    value2  otherstuff1 otherstuff2 
0   Jack       1         1       1.19        2.39     
1   Jack       1         2       1.19        2.39
2   Luke       0         1       1.08        1.08  
3   Mark       0         1       3.45        3.45
4   Luke       1         0       1.08        1.08

相同的名称将具有otherstuff1和otherstuff2的相同值。

我正在尝试按列进行分组名称，并总和两个列value1和value2。 （不是总和value1带有value2！而不是在每列中单独总和它们。）

期望在下面得到结果：

    newdf

    name    value1    value2  otherstuff1 otherstuff2 
0   Jack       2         3       1.19        2.39     
1   Luke       1         1       1.08        1.08  
2   Mark       0         1       3.45        3.45

我已经尝试了

newdf = df.groupby(['name'], as_index=False).sum()

哪些组name < /code>并总结value1和value2列正确，但最终删除列otherstuff1和otherstuff2。

Answer 1

您应该指定Pandas对其他列必须做什么。就您而言，我认为您想保持一行，无论其在小组中的位置如何。

这可以在组上使用agg完成。 agg接受一个参数，该参数指定每个列应执行哪些操作。

df.groupby(['name'], as_index=False).agg({'value1': 'sum', 'value2': 'sum', 'otherstuff1': 'first', 'otherstuff2': 'first'})

Answer 2

类似？

df.groupby(['name','otherstuff1','otherstuff2'],as_index=False).sum()
Out[121]: 
   name  otherstuff1  otherstuff2  value1  value2
0  Jack         1.19         2.39       2       3
1  Luke         1.08         1.08       1       1
2  Mark         3.45         3.45       0       1

Answer 3

这些解决方案很棒，但是当您的列太多时，您不想键入所有列名。所以这是我想到的：

column_map = {col: "first" for col in df.columns}
column_map["col_name1"] = "sum"
column_map["col_name2"] = lambda x: set(x) # it can also be a function or lambda

现在您可以做

df.groupby(["col_to_group"], as_index=False).aggreagate(column_map)

Answer 4

上面答案中的键实际上是as_index = false，否则列表中的所有列都在索引中使用。

p_summ = p.groupby( attributes_list, as_index=False ).agg( {'AMT':sum })