python - 如果 Dataframe 中的数据属于同一流，如何对它们进行分组？

Question

import pandas as pd

row_1 = pd.Series({'Address A': 3647,
                   'Address B': 555,
                   'Total Delay': 1.2})
row_2 = pd.Series({'Address A': 555,
                   'Address B': 3647,
                   'Total Delay': 2.1})
row_3 = pd.Series({'Address A': 4567,
                   'Address B': 555,
                   'Total Delay': 0.6})
df = pd.DataFrame([row_1, row_2, row_3], index = [1, 2, 3])
df.head()

output:

    Address A   Address B   Total Delay                         
1   3647        555         1.2
2   555         3647        2.1
3   4567        555         0.6

假设我有上面的 Dataframe，如果 1 和 2 的行相同，我如何将它们分组为 [3647 555] 并将它们的总延迟添加到 3.3，从而给我一个新的 Dataframe。

我必须为另外 50,000 个数据执行此操作。

    Address A   Address B   Total Delay                         
1   3647        555         3.3
3   4567        555         0.6

Answer 1

首先，我们使用 np.sort 在索引轴(每行)上对地址 A 和 地址 B 进行排序。然后我们对这些列进行 GroupBy 并使用 sum + first:

cols = ['Address B', 'Address A']
df[cols] = np.sort(df[cols])

dfg = df.groupby(cols).agg({'No.':'first',
                            'Total Delay':'sum'}).reset_index()

   Address A  Address B  No.  Total Delay
0       3647        555    1         3.30
1       4567        555    3         0.60

---

如果您希望列按照确切的顺序排列，请使用DataFrame.reindex:

dfg = dfg.reindex(df.columns, axis='columns')

   No.  Address A  Address B  Total Delay
0    1       3647        555         3.30
1    3       4567        555         0.60