Python 在尝试删除重复项时，熊猫只删除某些列值

我的问题有点类似，但不完全相同。我有一个具有以下结构的CSV

| id | entrydate  | sales | purchases |
| -- | -----------| ----- | --------- |
| 1  | 05/03/2017 | 10    | 1         |
| 2  | 05/03/2017 | 20    | 2         |
| 3  | 05/03/2017 | 30    | 3         |
| 1  | 05/03/2017 | 40    | 1         |

我把它读入一个数据框架，我想得到每日的销售和购买总量（个人id不重要，只是每日总量）

但是，首先，我需要删除重复项。这让我大吃一惊，因为如果你以上面的例子为例，对于id 1，同一天有两个条目，但是

购买

列中的多个条目被认为是重复的，而

销售

列中的多个条目是有效的，因此正确的分组将导致

| id | entrydate  | sales | purchases |
| -- | -----------| ----- | --------- |
| 1  | 05/03/2017 | 50    | 1         |
| 2  | 05/03/2017 | 20    | 2         |
| 3  | 05/03/2017 | 30    | 3         |

然后得到每天的总数会给我

|entrydate   | sales | purchases |
| -----------| ----- | --------- |
| 05/03/2017 | 100   | 6         |

我试图使用删除

购买的
副本

df = pandas.read_csv('../my-csv.csv', parse_dates=True, dayfirst=True, usecols=my_columns, dtype=my_dtypes).rename(columns=str.lower).assign(date=lambda x: pd.to_datetime(x['entrydate'], format="%d/%m/%Y")).set_index('date')


但是，虽然这将删除重复的
购买
，但它也会删除有效的
销售



A-Za-z解决方案的图像

如果按entrydate分组，则可以汇总销售和购买：

In [11]: df.groupby("entrydate").agg({"sales": "sum", "purchases": "sum"})
Out[11]:
            sales  purchases
entrydate
05/03/2017    100          7

您可以使用groupby两次，第一次是聚合销售额

df.sales = df.groupby('id').sales.transform('sum')
df = df.drop_duplicates()
df.groupby(df.entrydate).sum().reset_index()


    entrydate   sales   purchases
0   2017-05-03  100     6

编辑：计算不同日期的总和

df.sales = df.groupby(['id', 'date']).sales.transform('sum')
df = df.drop_duplicates()
df.groupby('date')['sales', 'purchases'].sum().reset_index()

你得到

    date        sales   purchases
0   2017-03-05  100     6
1   2017-03-06  40      1

设置

df = pd.DataFrame({'entrydate': {0: '05/03/2017',
  1: '05/03/2017',
  2: '05/03/2017',
  3: '05/03/2017',
  4: '06/03/2017',
  5: '06/03/2017',
  6: '06/03/2017',
  7: '06/03/2017'},
 'id': {0: 1, 1: 2, 2: 3, 3: 1, 4: 1, 5: 2, 6: 3, 7: 1},
 'purchases': {0: 1, 1: 2, 2: 3, 3: 1, 4: 1, 5: 2, 6: 3, 7: 1},
 'sales': {0: 10, 1: 20, 2: 30, 3: 40, 4: 10, 5: 20, 6: 30, 7: 40}})

解决方案

#First group by entrydate and id, summing sales and take the max from purchases(removing duplicates). Then another group by to sum sales and purchases.
df.groupby(['entrydate','id']).agg({'sales':sum, 'purchases':max}).groupby(level=0).sum().reset_index()
Out[431]: 
    entrydate  purchases  sales
0  05/03/2017          6    100
1  06/03/2017          6    100

对不起，也许我需要整理一下我的问题。我想对销售额求和，但对于购买，我首先要删除每个id的重复条目，然后求和。因此，销售总额确实将总计为100，但购买量将为6（因为每个id统计每个日期只有一个条目）@PhilipO'Brien为什么要选择40而不是30？或者两者都取？它应该从sales列中取（总和），但从purchases列中只取一个（Burchases中的每日条目总是相同的，所以不管取哪一个），这几乎对我有效，除非csv中存在另一个日期，假设我在csv中有一行，如
1,06/03/2017,40,1
，它似乎将该id的所有日期的销售额相加，并将该值用于所有日期。请参见问题中的更新屏幕截图
#First group by entrydate and id, summing sales and take the max from purchases(removing duplicates). Then another group by to sum sales and purchases.
df.groupby(['entrydate','id']).agg({'sales':sum, 'purchases':max}).groupby(level=0).sum().reset_index()
Out[431]: 
    entrydate  purchases  sales
0  05/03/2017          6    100
1  06/03/2017          6    100