Python 3.x 在特定列中聚合除特定值以外的数据

我在pandas dataframe python中有这样的数据

df = pd.DataFrame({
         'ID':range(1, 8),
         'Type':list('XXYYZZZ'),
         'Value':[2,3,2,9,6,1,4]

})

我要生成的oputput是

如何使用python dataframe生成这些结果。我想包括类型列的所有Y值，但不想将它们聚合。

第一次筛选值依据、聚合和附加筛选行、最后排序：

mask = df['Type'] == 'Y'
df1 = (df[~mask].groupby('Type', as_index=False)
                .agg({'ID':'first', 'Value':'sum'})
                .append(df[mask])
                .sort_values('ID'))
print (df1)
   ID Type  Value
0   1    X      5
2   3    Y      2
3   4    Y      9
1   5    Z     11

如果需要

ID

列的

1

到

数据长度的范围

：

mask = df['Type'] == 'Y'
df1 = (df[~mask].groupby('Type', as_index=False)
                .agg({'ID':'first', 'Value':'sum'})
                .append(df[mask])
                .sort_values('ID')
                .assign(ID = lambda x:  np.arange(1, len(x) + 1)))
print (df1)
   ID Type  Value
0   1    X      5
2   2    Y      2
3   3    Y      9
1   4    Z     11

另一个想法是仅为

Y

行创建唯一值的帮助器列，并通过两列进行聚合：

mask = df['Type'] == 'Y'
df['g'] = np.where(mask, mask.cumsum() + 1, 0)

df1 = (df.groupby(['Type','g'], as_index=False)
        .agg({'ID':'first', 'Value':'sum'})
        .drop('g', axis=1)[['ID','Type','Value']])

print (df1)
   ID Type  Value
0   1    X      5
1   3    Y      2
2   4    Y      9
3   5    Z     11

与系列

g

类似的替代方案，则不需要

drop

：

mask = df['Type'] == 'Y'
g = np.where(mask, mask.cumsum() + 1, 0)
df1 = (df.groupby(['Type',g], as_index=False)
        .agg({'ID':'first', 'Value':'sum'})[['ID','Type','Value']])

---

什么是过滤器？类型列是过滤器因为顺序。超级，我现在明白了。如果我必须提供多个选项怎么办？e、 Gy和X？@AhsanMukhtar-那么您需要第一次还是最后一次使用解决方案？X，Y匹配需要做什么更改？没关系，我想出来了。我需要添加.isin（）运算符，而不是==。谢谢你能解释一下这行是做什么的吗？g=np。其中（mask，mask.cumsum（）+1，0）是，需要相同的

g=np。其中（mask，mask.cumsum（）+1，0）

表示使用mask的累积真值和创建新数组，其中1仅用于真值，否则为0-换句话说，它仅为匹配行创建计数器，否则为0