我有一个像这样的数据框:
d = {'buy': Series([1., 0., 1., 0., 1., 1., 0., 0., 1., 1., 1., 0., 1., 0.]),
'id': Series([1., 2., 4., 2., 3., 4., 1., 1., 2., 1., 3., 3., 2., 3.]), 'datetime': Series(['01.02.2015',
'01.02.2015', '01.03.2015', '03.01.2015', '06.02.2015', '01.09.2015', '18.03.2015', '02.02.2015', '03.02.2015',
'06.04.2015', '01.04.2015', '03.04.2015', '02.04.2015', '20.03.2015'])}
df = DataFrame(d)
print(df)
buy datetime id
0 1 01.02.2015 1
1 0 01.02.2015 2
2 1 01.03.2015 4
3 0 03.01.2015 2
4 0 06.02.2015 3
5 1 01.09.2015 4
6 0 18.03.2015 1
7 0 02.02.2015 1
8 1 03.02.2015 2
9 1 06.04.2015 1
10 1 01.04.2015 3
11 0 03.04.2015 3
12 1 02.04.2015 2
13 0 20.03.2015 3
首先,我按“id”对其进行分组,并仅从每个“id”接收最新的“日期时间”:
df1 = df.sort(columns=['datetime']).drop_duplicates(subset='id', take_last=True)
print(df1)
buy datetime id
5 1 01.09.2015 4
8 1 03.02.2015 2
6 0 18.03.2015 1
13 0 20.03.2015 3
接下来我需要对每个 id 的“购买”进行求和,并将新列(我将其命名为 buy_count”)与我的 DataFrame 一起加入。我有这样的东西:
buys = df.groupby(by='id')['buy'].sum()
print(buys)
id
1 2
2 2
3 1
4 2
但我无法将“buy_count”插入到 DataFrame 中:
df1['buys_count'] = buys
print(df1)
buy datetime id buys_count
5 1 01.09.2015 4 NaN
8 1 03.02.2015 2 NaN
6 0 18.03.2015 1 NaN
13 0 20.03.2015 3 NaN
我猜索引有一些问题。尝试更改索引,尝试使用循环,但均不成功。我怎样才能得到这个?
最佳答案
您可以针对 df1
的“id”列调用 map
并传递 buys
来执行查找:
In [270]:
df1['buy_count'] = df1['id'].map(buys)
df1
Out[270]:
buy datetime id buy_count
5 1 01.09.2015 4 2
8 1 03.02.2015 2 2
6 0 18.03.2015 1 2
13 0 20.03.2015 3 2
顺便说一句,我没有得到与您相同的购买输出
关于python - pandas - 对 DataFrame 列中的对象求和并与 DataFrame 连接,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32631445/