Python 跨行分组数据帧-2.0

关于这个问题，op是：

          amount
clients           
Comp1    16.360417
Comp2    69.697501
Comp3    85.700000
Comp4    36.666667
Comp5    44.156500 

如果将日期列添加到输入中：

tdate,client1,client2,client3,client4,client5,client6,amount
12/31/2017,,,Comp1,,,4.475000
12/31/2017,,,Comp2,,,16.305584
10/31/2107,,,Comp3,,,4.050000
10/31/2017,Comp2,Comp1,,Comp4,,,21.000000
1/1/2017,,,Comp4,,,30.000000
2/2/2017,Comp1,,Comp2,,,5.137500
10/31/2017,,,Comp3,,,52.650000
12/31/2017,,,Comp1,,,2.650000
10/31/2017,Comp3,,,Comp3,,,29.000000
12/31/2017,Comp5,,,Comp2,,,20.809000
1/1/2017,Comp5,,,Comp2,,,15.100000
10/31/2017,Comp5,,,Comp2,,,52.404000

我们如何获得此输出：

12/31/2017 Comp1 4.475+2.65
12/31/2017 Comp2 16.305584+20.809/2 
10/31/2017 Comp2 21/3+5.1375/2+52.404/2
1/1/2017   Comp2 15.1/2
10/31/2017 Comp3 4.05+52.65+29
1/1/2017   Comp4 30
10/21/2017 Comp4 21/3
12/31/2017 Comp5 20.809/2
1/1/2017   Comp5 15.1/2
10/31/2017 Comp5 52.404/2   

---

与前面的答案相比，我们需要通过设置两列作为索引来使用堆栈

cols= ['amount','tdate']
df['new'] = df['amount']/df.drop(cols,1).count(1)

#Set the index as new and tdate by droping amount column, stack and drop the nans.
x = df.drop(['amount'],1).set_index(['new','tdate']).stack().dropna()

#Create dataframe from amount,tdate and the clients
ndf = pd.DataFrame({'amount':x.index.get_level_values('new'),'tdate':x.index.get_level_values('tdate'),'clients':x.values})

#Groupby `clients` and `tdate` 
ndf.groupby(['clients','tdate']).sum().reset_index()

输出：

clients tdate amount 0 Comp1 10/31/2017 7.000000 1 Comp1 12/31/2017 7.125000 2 Comp1 2/2/2017 2.568750 3 Comp2 1/1/2017 7.550000 4 Comp2 10/31/2017 33.202000 5 Comp2 12/31/2017 26.710084 6 Comp2 2/2/2017 2.568750 7 Comp3 10/31/2017 81.650000 8 Comp3 10/31/2107 4.050000 9 Comp4 1/1/2017 30.000000 10 Comp4 10/31/2017 7.000000 11 Comp5 1/1/2017 7.550000 12 Comp5 10/31/2017 26.202000 13 Comp5 12/31/2017 10.404500 客户日期金额 0 Comp1 2017年10月31日7.000000 1 Comp1 2017年12月31日7.125000 2 Comp1 2/2/2017 2.568750 3 Comp2 2017年1月1日7.550000 4 Comp2 2017年10月31日33.202000 5 Comp2 2017年12月31日26.710084 6 Comp2 2/2/2017 2.568750 7 Comp3 2017年10月31日81.650000 8 Comp3 10/31/2107 4.050000 9 Comp4 2017年1月1日30.000000 10 Comp4 2017年10月31日7.000000 11 Comp5 2017年1月1日7.550000 12 Comp5 2017年10月31日26.202000 13 Comp5 2017年12月31日10.404500

---

@你现在有足够的代表投票了。如果你觉得这个答案是正确的，请随意投票helpful@piRSquared对这一问题以及上一个问题进行了投票：）您还将对另一个问题中@piRSquared的答案进行投票。