Python：通过聚合维度将聚合函数应用于变量并选择列

我假设，我有一个包含变量V1、V2、V3的熊猫数据帧。我想执行以下聚合过程 myData.groupby（“V1”，as_index=False）[“V2”].sum（） 然后将此结果与变量V3一起显示（如果可能的话，可以一步完成！）。我该怎么做，有什么建议吗？谢谢

编辑： 从原始数据帧：

V1    V2    V3
 1     2     4
 2     1     3
 1     4     1

我希望收到：

V1    V2         V3
 1     **6**     4
 2     1         3
 1     **6**     1

所以保持V3的原样。有人能帮忙吗：）？

设置
考虑数据文件<代码> MyDATAs/COD>

myData = pd.DataFrame(dict(V1=[1, 1, 2, 2], V2=[2] * 4, V3=[3] * 4))

   V1  V2  V3
0   1   2   3
1   1   2   3
2   2   2   3
3   2   2   3

---

选项1

在我看来，执行这项任务最惯用的方式是

myData.groupby('V1', as_index=False).agg('sum')

   V1  V2  V3
0   1   4   6
1   2   4   6

---

选项2

设置索引

和
这也可以工作，但在设置和重置索引时有点笨拙

myData.set_index('V1').sum(level='V1').reset_index()

   V1  V2  V3
0   1   4   6
1   2   4   6

---

选项3
和
从长远来看，我们可以开始欣赏

pandas

为我们提供的api。如果性能是必须的，您有时可以（但不总是）减少您的执行时间，但您也承担了处理许多细微差别的责任

pandas

为您所做的事情。而且，几乎总是这样，代码不那么透明

u, f = np.unique(myData.V1.values, return_inverse=True)

pd.DataFrame(dict(
        V1=u,
        V2=np.bincount(f, myData.V2.values),
        V3=np.bincount(f, myData.V3.values)
    )).astype(myData.dtypes)

   V1  V2  V3
0   1   4   6
1   2   4   6

---

定时

%timeit myData.groupby('V1', as_index=False).agg('sum')
%timeit myData.set_index('V1').sum(level='V1').reset_index()

1000 loops, best of 3: 1.54 ms per loop
1000 loops, best of 3: 1.52 ms per loop

%%timeit
u, f = np.unique(myData.V1.values, return_inverse=True)

pd.DataFrame(dict(
        V1=u,
        V2=np.bincount(f, myData.V2.values),
        V3=np.bincount(f, myData.V3.values)
    )).astype(myData.dtypes)

1000 loops, best of 3: 654 µs per loop

---

嘿，你能给我们一些示例数据并解释一下你希望V3显示结果的方式吗？显示numpy解决方案是可以的，但需要注意的是，这些解决方案通常不是数据类型友好的，而且对于轻微的性能来说更为详细gain@Jeff我正试图将两者都展示出来。我越来越擅长突出显示数据类型处理，我认为冗长是不言而喻的（我认为）。我认为对于任何简单的香草潘达西来说，提出numpy解决方案都是很容易混淆的。我将编辑这个答案，并且我将制定一个脚本来与任何numpy风格的答案相衔接。@Jeff希望您能发现这些评论是合理的。