Python 熊猫：创建单一尺寸&；按多列分组后对列求和

我有一个数据框架，在其中我对3列进行分组，并聚合数字列的总和和大小。在运行代码之后

df = pd.DataFrame.groupby(['year','cntry', 'state']).agg(['size','sum'])

我得到的信息如下：

现在，我想将我的大小子列与主列分开，只创建一个大小的列，但希望将总和列保留在主列标题下。我尝试过不同的方法，但没有成功。 以下是我尝试过但无法让事情对我起作用的方法：

如果有人能帮我做这件事，我将不胜感激

关于

设置

d1 = pd.DataFrame(dict(
        year=np.random.choice((2014, 2015, 2016), 100),
        cntry=['United States' for _ in range(100)],
        State=np.random.choice(states, 100),
        Col1=np.random.randint(0, 20, 100),
        Col2=np.random.randint(0, 20, 100),
        Col3=np.random.randint(0, 20, 100),
    ))

df = d1.groupby(['year', 'cntry', 'State']).agg(['size', 'sum'])
df

pd.concat([df[('Col1', 'size')].rename(('', 'size')),
           df.xs('sum', axis=1, level=1, drop_level=False)], axis=1)

---

回答
最简单的方法是只在

groupby

d1.groupby(['year', 'cntry', 'State']).size()

year  cntry          State        
2014  United States  California       10
                     Florida           9
                     Massachusetts     8
                     Minnesota         5
2015  United States  California        9
                     Florida           7
                     Massachusetts     4
                     Minnesota        11
2016  United States  California        8
                     Florida           8
                     Massachusetts    11
                     Minnesota        10
dtype: int64

---

要使用计算的

df

df.xs('size', axis=1, level=1)

如果每个列的

大小不同，这将非常有用。但是，由于
大小
列对于
['Col1'，'Col2'，'Col3']
是相同的，所以我们可以这样做

df[('Col1', 'size')]

year  cntry          State        
2014  United States  California       10
                     Florida           9
                     Massachusetts     8
                     Minnesota         5
2015  United States  California        9
                     Florida           7
                     Massachusetts     4
                     Minnesota        11
2016  United States  California        8
                     Florida           8
                     Massachusetts    11
                     Minnesota        10
Name: (Col1, size), dtype: int64


组合视图1



组合视图2

d1 = pd.DataFrame(dict(
        year=np.random.choice((2014, 2015, 2016), 100),
        cntry=['United States' for _ in range(100)],
        State=np.random.choice(states, 100),
        Col1=np.random.randint(0, 20, 100),
        Col2=np.random.randint(0, 20, 100),
        Col3=np.random.randint(0, 20, 100),
    ))

df = d1.groupby(['year', 'cntry', 'State']).agg(['size', 'sum'])
df

pd.concat([df[('Col1', 'size')].rename(('', 'size')),
           df.xs('sum', axis=1, level=1, drop_level=False)], axis=1)

piRSquared比我快，但如果您必须这样做，并且希望保持与列和下方的总和或大小对齐，则可以重新索引列以删除大小值，然后添加一个新列以包含大小值

例如：

group = df.groupby(['year', 'cntry','state']).agg(['sum','size'])
mi = pd.MultiIndex.from_product([['Col1','Col2','Col3'],['sum']])
group = group.reindex_axis(mi,axis=1)
sizes = df.groupby('state').size().values
group['Tot'] = 0
group.columns = group.columns.set_levels(['sum','size'], level=1)
group.Tot.size = sizes

结果会是这样的：

                 Col1 Col2 Col3  Tot
                  sum  sum  sum size
year cntry State
2015 US    CA      20    0    4    1
           FL      40    3    5    1
           MASS     8    1    3    1
           MN      12    2    3    1

嗨，piRSquared，谢谢你的详细回复，但是我对上面的代码有两个问题。第一：当我运行代码df.xs（'size'，axis=1，level=1）时，我得到了以下错误：ValueError：没有为对象类型命名为1的轴；第二，我需要将sum列也保留在col1、col2和col3下。你能告诉我怎么解决这个问题吗？Regards@Baig您得到的第一个值错误来自
df
不是数据帧，而是一个序列。请检查您的变量。如果上面定义了
d1
，并且
df=d1.groupby（['year'，'cntry'，'State']）.agg（['size'，'sum']）
，则不可能出现此错误。第二个问题，我将通过更新帖子来解决。