web-dev-qa-db-fra.com

Pandas groupby et sortie d'agrégation doivent inclure toutes les colonnes d'origine (y compris celles non agrégées)

J'ai le bloc de données suivant et je souhaite:

  • Regrouper les enregistrements par month
  • Somme QTY_SOLDet NET_AMT de chaque unique UPC_ID(par mois)
  • Inclure également le reste des colonnes dans la trame de données résultante

La façon dont je pensais pouvoir le faire est la première: créer une colonne month pour agréger le D_DATES, puis somme QTY_SOLD par UPC_ID.

Scénario:

# Convert date to date time object
df['D_DATE'] = pd.to_datetime(df['D_DATE'])

# Create aggregated months column
df['month'] = df['D_DATE'].apply(dt.date.strftime, args=('%Y.%m',))

# Group by month and sum up quantity sold by UPC_ID
df = df.groupby(['month', 'UPC_ID'])['QTY_SOLD'].sum()

Trame de données actuelle:

UPC_ID | UPC_DSC | D_DATE | QTY_SOLD | NET_AMT
----------------------------------------------
111      desc1    2/26/2017   2         10 (2 x $5)
222      desc2    2/26/2017   3         15
333      desc3    2/26/2017   1         4
111      desc1    3/1/2017    1         5
111      desc1    3/3/2017    4         20

Sortie désirée:

MONTH | UPC_ID | QTY_SOLD | NET_AMT | UPC_DSC
----------------------------------------------
2017-2      111     2         10       etc...
2017-2      222     3         15
2017-2      333     1         4
2017-3      111     5         25

Sortie réelle:

MONTH | UPC_ID  
----------------------------------------------
2017-2      111     2
            222     3
            333     1
2017-3      111     5
...  

Des questions:

  • Comment inclure le mois pour chaque ligne?
  • Comment inclure le reste des colonnes de la trame de données?
  • Comment additionner également NET_AMT en plus de QTY_SOLD?
12
Growler

agg avec un dict de fonctions

Créez un dict de fonctions et passez-le à agg. Vous aurez également besoin de as_index=False pour empêcher les colonnes de groupe de devenir l'index dans votre sortie.

f = {'NET_AMT': 'sum', 'QTY_SOLD': 'sum', 'UPC_DSC': 'first'}
df.groupby(['month', 'UPC_ID'], as_index=False).agg(f)

     month  UPC_ID UPC_DSC  NET_AMT  QTY_SOLD
0  2017.02     111   desc1       10         2
1  2017.02     222   desc2       15         3
2  2017.02     333   desc3        4         1
3  2017.03     111   desc1       25         5

Couverture sum

Appelez simplement sum sans aucun nom de colonne. Cela gère les colonnes numériques. Pour UPC_DSC, vous devrez le gérer séparément.

g = df.groupby(['month', 'UPC_ID'])
i = g.sum()
j = g[['UPC_DSC']].first()

pd.concat([i, j], 1).reset_index()

     month  UPC_ID  QTY_SOLD  NET_AMT UPC_DSC
0  2017.02     111         2       10   desc1
1  2017.02     222         3       15   desc2
2  2017.02     333         1        4   desc3
3  2017.03     111         5       25   desc1
14
cs95

J'y pense depuis longtemps, merci pour votre question Poussez-moi pour le faire .En utilisant agg et if...else

df.groupby(['month', 'UPC_ID'],as_index=False).agg(lambda x : x.sum() if x.dtype=='int64' else x.head(1))
Out[1221]: 
   month  UPC_ID UPC_DSC     D_DATE  QTY_SOLD  NET_AMT
0      2     111   desc1 2017-02-26         2       10
1      2     222   desc2 2017-02-26         3       15
2      2     333   desc3 2017-02-26         1        4
3      3     111   desc1 2017-03-01         5       25
4
WeNYoBen