我有这 2 个 df,它们基本相同,但在 df1 中,值是相应客户的付款金额,另一个是该期间的客户状态(第 1、2、3、4 列是期):
df1:
customer|1|2|3|4
x |2|5|5|5
y | |5|5|5
z |5|5|5|
df2:
customer|1|2|3|4
x |N|E|E|E
y | |N|E|E
z |N|E|C|-
我想按 df2 的值的状态进行分组,如下所示:
Status 1 |2 |3 |4
N 7|5 | |
E |10|10|10
C | |5 |
我曾经使用以下方法对状态计数进行分组
df2.apply(pd.value_counts).fillna(0)
但现在,而不是 count
值,我想要SUM
相应数据帧的值 DF1
最佳答案
通常,这看起来很困难,因为你的 DataFrame 的形状很奇怪。如果你先melt
他们,这变得很容易:只需 merge
他们,groupby
您感兴趣的数量并对它们求和(如果您想以该格式显示它,则再次 pivot
):
df1m = df1.melt(id_vars='customer', var_name='period', value_name='amount')
df2m = df2.melt(id_vars='customer', var_name='period', value_name='status')
dfm = df1m.merge(df2m)
res = dfm.groupby(['status', 'period'])['amount'].sum().reset_index()
res.pivot_table(index='status', columns='period')
#period 1 2 3 4
#status
#C NaN NaN 5.0 NaN
#E NaN 10.0 10.0 10.0
#N 7.0 5.0 NaN NaN
为了展示熔化的作用:它对数据帧进行逆透视,因此每个观察(客户、期间)都有一行具有金额/状态
df1m
# customer period amount
#0 x 1 2.0
#1 y 1 NaN
#2 z 1 5.0
#3 x 2 5.0
#4 y 2 5.0
#5 z 2 5.0
#6 x 3 5.0
#7 y 3 5.0
#8 z 3 5.0
#9 x 4 5.0
#10 y 4 5.0
11 z 4 NaN
关于python - 如何按数据框的值进行分组?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55421609/