使用Pandas嵌套群
使用Pandas嵌套群
提问于 2022-11-03 16:44:21
我想总结美国，中国和日本的能源价值，并把这个“group1”标签，然后分组按日期，国家，类型和总和的能源价值。
数据
我们将按日期分组，输入并取这些特定国家的总和:美国、中国和日本--将这个组合重新命名为group1。
date country type energy
8/1/2022 US aa 10
8/1/2022 US aa 11
8/1/2022 China bb 50
8/1/2022 Japan bb 20
10/1/2022 Australia bb 5期望的
date country type energy
8/1/2022 group1 aa 21
8/1/2022 group1 bb 70
10/1/2022 Australia bb 5做
df.groupby(['country','date', 'type'], as_index=False).agg({'energy': sum})上面的脚本完美地执行了groupby和sum，但不确定在执行此步骤之前如何将某些类别压缩到组中。
如有任何建议，将不胜感激。
回答 2
Stack Overflow用户
回答已采纳
发布于 2022-11-03 16:49:46
如果您想将它们组合起来，不如先过滤，然后将值更改为group1，然后执行groupby操作如何？
df.loc[df['country'].isin(['US', 'China', 'Japan']), 'country'] = 'group1'
df.groupby(['date', 'type', 'country'], as_index=False, sort=False).agg({'energy': sum}) date type country energy
0 8/1/2022 aa group1 21
1 8/1/2022 bb group1 70
2 10/1/2022 bb Australia 5Stack Overflow用户
发布于 2022-11-03 16:53:03
# define a dictionary to group the countries
d={'US': 'Group-1',
'China':'Group-1',
'Japan' :'Group-1'}
# create a group column, based on mapping
# keeping a separate column, to avoid losing original values
# it can very well be a country
df['group']=df['country'].map(d).fillna(df['country'])
# do a groupby
out= df.groupby(['group','date', 'type'], as_index=False).agg({'energy': sum}) group date type energy
0 Australia 10/1/2022 bb 5
1 Group-1 8/1/2022 aa 21
2 Group-1 8/1/2022 bb 70页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/74306713
复制相关文章
相似问题
腾讯云开发者
