Python 如何使用sum和count创建groupby？
在Python3和pandas中，我有以下数据帧：Python 如何使用sum和count创建groupby？,python,pandas,group-by,Python,Pandas,Group By,在Python3和pandas中，我有以下数据帧： import pandas as pd emendas_exec_geral = pd.read_csv("emendas_geral_autores.csv",sep=',',encoding = 'utf-8') emendas_exec_geral.info() <class 'pandas.core.frame.DataFrame'> RangeIndex: 43732 entries, 0 to 43731 Data c
import pandas as pd
emendas_exec_geral = pd.read_csv("emendas_geral_autores.csv",sep=',',encoding = 'utf-8')
emendas_exec_geral.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 43732 entries, 0 to 43731
Data columns (total 10 columns):
Autor 43732 non-null object
Emenda 43732 non-null object
UO_Ajustada 43732 non-null object
Funcional 43732 non-null object
Acao_e_Subtitulo 43732 non-null object
Valor_aprovado 43732 non-null float64
Empenhado 43732 non-null float64
Depesa_Executada 43732 non-null float64
Pago 43732 non-null float64
ano_execucao 43732 non-null int64
dtypes: float64(4), int64(1), object(5)
memory usage: 3.3+ MB
# I only select 2015
ano2015 = emendas_exec_geral[(emendas_exec_geral['ano_execucao'] == 2015)]
# I make a groupby in "UO_Ajustada" and make a sum in column "Empenhado"
ano2015.groupby("UO_Ajustada").Empenhado.sum().reset_index()
UO_Ajustada Empenhado
0 COLÉGIO PEDRO II 899170.00
1 COMANDO DA AERONÁUTICA - ADMINISTRAÇÃO DIRETA 2342837.63
2 COMANDO DA MARINHA - ADMINISTRAÇÃO DIRETA 3429526.71
3 COMANDO DO EXÉRCITO - ADMINISTRAÇÃO DIRETA 6243558.10
4 COMPANHIA DE DESENVOLVIMENTO DOS VALES DO SÃO ... 70147265.05
5 COMPLEXO HOSPITALAR E DE SAÚDE DA UNIVERSIDADE... 190000.00
6 COMPLEXO HOSPITALAR E DE SAÚDE DA UNIVERSIDADE... 1297216.90
7 COMPLEXO HOSPITALAR E DE SAÚDE DA UNIVERSIDADE... 0.00
8 CONSELHO NACIONAL DE DESENVOLVIMENTO CIENTÍFIC... 1502789.00
9 CONSELHO NACIONAL DE JUSTIÇA 0.00
10 DEFENSORIA PÚBLICA DA UNIÃO - DPU 500000.00
...
df = ano2015.groupby("UO_Ajustada").Empenhado.sum().reset_index()
df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 175 entries, 0 to 174
Data columns (total 2 columns):
UO_Ajustada 175 non-null object
Empenhado 175 non-null float64
dtypes: float64(1), object(1)
memory usage: 2.8+ KB
将熊猫作为pd导入
emendas_exec_geral=pd.read_csv（“emendas_geral_autores.csv”，sep='，，encoding='utf-8'）
执行董事和总经理信息（）
范围索引：43732个条目，0到43731
数据列（共10列）：
自动43732非空对象
Emenda 43732非空对象
UO_Ajustada 43732非空对象
函数43732非空对象
Acao_e_Subtitulo 43732非空对象
Valor_aprovado 43732非空浮点64
Empenhado 43732非空浮点64
Depesa_Executada 43732非空浮点64
第43732页非空浮点64
ano_Executao 43732非空int64
数据类型：float64（4）、int64（1）、object（5）
内存使用率：3.3+MB
#我只选择了2015年
ano2015=执行董事总经理[（执行董事总经理['ano'U execucao']==2015]
#我在“UO_Ajustada”中做了一个groupby，在“Empenhado”列中做了一个合计
ano2015.groupby（“UO_Ajustada”）.Empenhado.sum（）.reset_index（）
UO_Ajustada Empenhado
0 COLÉGIO PEDRO II 899170.00
1科曼多航空公司-行政主管2342837.63
2科曼多·达马林哈-行政官切奥·迪雷塔3429526.71
3行政长官行政长官行政长官6243558.10
4德森沃尔维门托山谷酒店。。。70147265.05
5大学附属综合医院。。。190000
6大学附属综合医院。。。1297216.90
7大学附属综合医院。。。0
8国家环境保护委员会。。。1502789
9全国正义协商会议0.00
10联合国防部-DPU 500000.00
...
df=ano2015.groupby（“UO_Ajustada”）.Empenhado.sum（）.reset_index（）
df.info（）
范围索引：175个条目，0到174
数据列（共2列）：
UO_Ajustada 175非空对象
Empenhado 175非空浮点64
数据类型：浮点64（1），对象（1）
内存使用率：2.8+KB
请问，有没有办法直接在groupby的指挥下完成这项工作？希望您的目标是：
ano2015.groupby("UO_Ajustada").agg({'Empenhado': {'Empenhado': np.sum},
'UO_Ajustada': {'Counting': lambda x: ('Empenhado' in x).sum()}})
希望您的目标是：
ano2015.groupby("UO_Ajustada").agg({'Empenhado': {'Empenhado': np.sum},
'UO_Ajustada': {'Counting': lambda x: ('Empenhado' in x).sum()}})
带有列表的简单
aggano2015.groupby("UO_Ajustada").Empenhado.agg(['sum','count'])
带有列表的简单
aggano2015.groupby("UO_Ajustada").Empenhado.agg(['sum','count'])
你的和和和新的列计数，有不同的键，我只能考虑合并在一起谢谢。sum（）命令作用于“UO_Ajustada”。我要添加的命令Empenhado.count（）也将作用于“UO_Ajustada”。这是同一个键，对吗？
ano2015.groupby（“UO_Ajustada”）.Empenhado.agg（['sum'，'count']）ano2015.groupby（“UO_Ajustada”）.Empenhado.agg（['sum'，'count'））