Python数据帧按字典列表分组，然后求和

Question

我有两个数据帧。第一个名为mergedcsv的格式是： mergedcsv dataframe

第二个名为idgrp_df的数据帧是字典格式的，对于每个区域Id，都有一个对应字符串Id的列表。 idgrp_df dataframe - keys with lists

对于mergedcsv中的每一行（以及idgrp_df中的相应行），我希望选择mergedcsv中的列，其中列标签等于该行的idgrp_df的列表。然后将这些特定值的值求和，并将输出添加到mergedcsv中的列中。该函数将遍历mergedcsv中的所有行（582行x 600列）。在

我尝试这样做的代码行是：

mergedcsv['TotRegFlows'] = mergedcsv.groupby([idgrp_df],as_index=False).numbers.apply(lambda x: x.iat[0].sum())

它返回一个ValueError: Grouper for class pandas.core.frame.DataFrame not 1-dimensional.

这与groupby的输入数据帧有关。如何访问作为groupby输入的每一行的列表？在

例如，对于mergedcsv中的第一行，我希望选择标签为F95RR04、F95RR06和{}（从idgrp_df第一行的列表中读取）的列。将该行的这些列中的值求和，然后将总和值插入TotRegFlows列中。在

如有任何关于我如何利用这份名单的想法，我将不胜感激。在

编辑：

非常感谢伊恩。你的解决方案很有用。根据这个建议修改了代码行之后，我意识到（正如建议的那样）我在两个数据帧中的索引不同步。我测试了索引（mergedcsv有“None”，idgrp_df有“REG_ID”列作为索引。我还将mergedcsv设置为“REG_ID”。然后意识到mergedcsv有582行（REG_ID不唯一），idgrp_df有220行（REG_ID是唯一的）。因此，我认为我缺少了一个基于mergedcsv中的REG_ID索引的groupby。 我已将代码修改如下：

^{pr2}$

我有一个键错误：'REG_ID'。在

欢迎提出进一步的建议。将groupby和apply合并成一行会更有效吗？在

我刚开始和熊猫一起工作，尝试用python建立经验

进一步修正：

没有mergedcsv的索引：

mergedcsv['TotRegFlows'] = mergedcsv.apply(lambda row: row[idgrp_df.loc[row.name]].groupby('REG_ID').sum(), axis=1)

这将引发一个KeyError:（标签[0]不在[index]中，u'发生在索引0'）

使用mergedcsv的索引：

mergedcsv.set_index('REG_ID', inplace=True)
columnlist = list(mergedcsv.columns.values)
mergedcsv['TotRegFlows'] = mergedcsv.apply(lambda row: row[idgrp_df.loc[row.name]].groupby('REG_ID')[columnlist].transform().sum(), axis=1)

这将引发一个TypeError:（“unshable type:'list'，u'occurred at index 7'）

或者最后分离groupby函数：

columnlist = list(mergedcsv.columns.values)
mergedcsvgroup = mergedcsv.groupby('REG_ID')
mergedcsv['TotRegFlows'] = mergedcsvgroup.apply(lambda row: row[idgrp_df.loc[row.name]].sum())

这将抛出一个TypeError:unshable type list。axis=1参数在groupby apply中也不可用。在

有什么办法我可以使用列表与应用功能？我在apply代码中研究过元组，但没有取得任何成功。在

如有任何建议，不胜感激。在

Answer 1

如果我理解正确，我有一个简单的解决方案^{}：

设置

import pandas as pd

df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6], 'C': [7,8,9]})
lists = pd.Series([['A', 'B'], ['A', 'C'], ['C']])

解决方案

我应用了一个lambda函数，该函数从lists系列中获取要求和的列的列表：

^{pr2}$

诀窍在于，当迭代行（axis=1）时，row.name是数据帧df的原始索引。我用它来访问lists系列中的列表。在

注意事项

这个解决方案假设两个数据帧共享相同的索引，这在您包含的屏幕截图中似乎不是这样。你必须解决这个问题。在

另外，如果idgrp_df是一个数据帧而不是一个序列，那么您需要用.loc来访问它的值。在