基于其他列值组合数据帧值

Question

我有这样一个数据帧：

import pandas as pd
import numpy as np

df = pd.DataFrame([['WY','M',2014,'Seth',5],
             ['WY','M',2014,'Spencer',5],
             ['WY','M',2014,'Tyce',5],
             ['NY','M',2014,'Seth',25],
             ['MA','M',2014,'Spencer',23]],columns = ['state','sex','year','name','number'])

print df

如何操作数据以获得如下数据帧：

df1 = pd.DataFrame([['M',2014,'Seth',30],
               ['M',2014,'Spencer',28],
               ['M',2014,'Tyce',5]],
columns = ['sex','year','name','number'])

print df1

这只是一个非常大的数据帧的一部分，我该如何为每年的每个名字都这样做？你知道吗

Answer 1

df[['sex','year','name','number']].groupby(['sex','year','name']).sum().reset_index()

从左到右简要描述一下它的作用：

1. 只选择我们关心的列。我们可以用df.drop('state',axis=1)替换这个部分
2. 对我们关心的列执行groupby。你知道吗
3. 对其余的列求和（在本例中，只需number）。你知道吗
4. 重置索引，使列['sex','year','name']不再是索引的一部分。你知道吗

Answer 2

按所需列分组，求和number，并展平多索引：

df.groupby(['sex','year','name'])['number'].sum().reset_index()

在您的例子中，state列不能求和，因此您可以缩短为：

df.groupby(['sex','year','name']).sum().reset_index()

Answer 3

可以使用透视表

df.pivot_table(values = 'number',aggfunc = 'sum',columns = ['sex','year','name']).reset_index().rename(columns={0:'number'})