Pandas 熊猫多个“分组依据”和对值的操作

A有一个数据集

ID    ID2    var1
 1      p      10
 1      r       5
 1      p       9
 2      p       7
 2      r       6
 2      r       7

我需要证明，在每个NºID中，var1乘以p的和与var1乘以r的和之间的差值大于0。换句话说，我需要按ID分组，并在按ID2分组的值之间应用算术运算。 感谢您的建议

您可以使用.groupby和.diff计算groupby之后的差值

df.groupby(['ID', 'ID2']).var1.sum().diff()

Out[72]: 
ID  ID2
1   p       NaN
    r     -14.0
2   p       2.0
    r       6.0
Name: var1, dtype: float64

您还可以添加一个指示符，该指示符显示np.where的差异是否大于0，在此之前，我们使用.reset_索引返回var1列

groupby = df.groupby(['ID', 'ID2']).var1.sum().diff().reset_index()

groupby['indicator'] = np.where(groupby.var1 > 0, 'yes', 'no')

print(groupby)
   ID ID2  var1 indicator
0   1   p   NaN        no
1   1   r -14.0        no
2   2   p   2.0       yes
3   2   r   6.0       yes

我想你需要

df.groupby(['ID','ID2']).sum().groupby(level=[0]).diff()
Out[174]: 
        var1
ID ID2      
1  p     NaN
   r   -14.0
2  p     NaN
   r     6.0

结果

ID2   p   r  diff
ID               
1    19   5    14
2     7  13    -6

您的数据：

    import pandas as pd
    df=pd.DataFrame([[1,'p',10], [1,'r',5], [1,'p',9 ],
                        [2,'p',7 ], [2,'r',6 ], [2,'r',7 ]], 
                        columns=['ID', 'ID2', 'var1'])

您可以制作交叉表格：

    df=pd.crosstab(df.ID, [df.ID2,df.var1], margins=True)

    >>>df

    ID2   p        r       All
    var1  7  9 10  5  6  7    
    ID                        
    1     0  1  1  1  0  0   3
    2     1  0  0  0  1  1   3
    All   1  1  1  1  1  1   6

没有利润：

    pd.crosstab(df.ID, [df.ID2,df.var1])

    ID2   p        r      
    var1  7  9  10 5  6  7 
    ID                    
    1     0  1  1  1  0  0
    2     1  0  0  0  1  1

---

非常感谢你们的建议！我快到了…： 我试过所有的密码。 我想我在解释我想要的输出时不清楚。我认为对于我正在处理的实际案例，在下面这样的原始列表中添加一个或两个额外的变量会很有用。这允许我在下面的步骤中对具有负差异的ID做出决定

 output:
 ID    ID2    var1   var2(diff)   var_control
 1      p      10          14              0
 1      r       5          14              0
 1      p       9          14              0
 2      p       7          -6              1
 2      r       6          -6              1
 2      r       7          -6              1

---

我想我是在你的帮助下做到的。非常感谢你！你真棒

import pandas as pd
import numpy as np

df = pd.DataFrame({'id': [23, 23, 23, 43, 43],
                   'id2': ["r", "p", "p", "p", "r"],
                   'var1': [4, 6, 7, 1, 3]})

print(df)

df2 = df.pivot_table(values = "var1", index="id", columns="id2", aggfunc='sum')
df2['diff'] = df2['p'] - df2['r']

df["var_2"]=df['id'].map(df2["diff"])

df['control'] = np.where(df['var_2']<0, 1, 0)

---

这是一个简洁的解决方案，但如果var2中有其他值需要比较，则会失败。我相信您需要将aggfunc='sum'设置为pivot_表。pivot_表中的默认函数是mean，O.P.需要sumAdded aggfunc='sum'，如@TerryTank you所述，以便应用pivot运算符。我从来没有在熊猫身上用过！很高兴知道。格雷蒂认为你应该进一步澄清这个问题。您是只想分组，还是想同时在列和分组之间进行算术运算？同意。我将在下面解释

import pandas as pd
import numpy as np

df = pd.DataFrame({'id': [23, 23, 23, 43, 43],
                   'id2': ["r", "p", "p", "p", "r"],
                   'var1': [4, 6, 7, 1, 3]})

print(df)

df2 = df.pivot_table(values = "var1", index="id", columns="id2", aggfunc='sum')
df2['diff'] = df2['p'] - df2['r']

df["var_2"]=df['id'].map(df2["diff"])

df['control'] = np.where(df['var_2']<0, 1, 0)