Python 通过求和和和连接进行分组

我有一个如下的数据帧

+-----------+----------+-----+
| InvoiceNo | ItemCode | Qty |
+-----------+----------+-----+
|  Inv-001  |     c    |  1  |
+-----------+----------+-----+
|  Inv-001  |     b    |  2  |
+-----------+----------+-----+
|  Inv-001  |     a    |  1  |
+-----------+----------+-----+
|  Inv-002  |     a    |  3  |
+-----------+----------+-----+
|  Inv-002  |     b    |  1  |
+-----------+----------+-----+
|  Inv-002  |     c    |  1  |
+-----------+----------+-----+
|  Inv-002  |     d    |  4  |
+-----------+----------+-----+
|  Inv-002  |     a    |  1  |
+-----------+----------+-----+
|  Inv-003  |     e    |  1  |
+-----------+----------+-----+
|  Inv-003  |     b    |  2  |
+-----------+----------+-----+

我想计算每个

InvoiceNo

wise项目组合。i、 e.每个

ItemCode

的总和。排序并连接到一个字符串。 注：在

Inv-002

产品

a

中有两行

我的期望/要求输出如下

+-----------+--------------------+
| InvoiceNo |   Desired result   |
+-----------+--------------------+
|  Inv-001  |    a-1, b-2, c-1   |
+-----------+--------------------+
|  Inv-002  | a-4, b-1, c-1, d-4 |
+-----------+--------------------+
|  Inv-003  |      b-2, e-1      |
+-----------+--------------------+

到目前为止，我已经编写了以下代码

#load data
df = pd.read_excel('data.xlsx')

#groupby and sum
g = df.groupby(['InvoiceNo','ItemCode']).sum()

# Codes to convert the MultiIndex to a regualr dataframe
g = g.unstack(fill_value=0)
g.reset_index(drop=True,inplace=True)
g = g.droplevel(level=0, axis=1).fillna(0)

#calculation
g.dot(g.columns+',').str[:-1]

下面是我得到的结果。所有的物品都分开了

+---+---------------------+
| 0 |       a,b,b,c       |
+---+---------------------+
| 1 | a,a,a,a,b,c,d,d,d,d |
+---+---------------------+
| 2 |        b,b,e        |
+---+---------------------+

---

请指导我解决这个问题。

groupby

两次。第一个获取每个

['InvoiceNo'，'ItemCode']

的总和。然后，我们将代码和类别与发票上的“-”和组连接在一起，以创建完整的字符串

df1 = df.groupby(['InvoiceNo', 'ItemCode'])['Qty'].sum().reset_index('ItemCode')

df1 = df1['ItemCode'].str.cat(df1['Qty'].astype(str), '-').groupby(level=0).agg(', '.join)

#InvoiceNo
#Inv-001         a-1, b-2, c-1
#Inv-002    a-4, b-1, c-1, d-4
#Inv-003              b-2, e-1
#Name: ItemCode, dtype: object

---

你会注意到我不需要整理任何东西。这是因为默认情况下，

groupby

会对分组键进行排序，因此在第一行之后，系列将保证按照

['InvoiceNo'，'ItemCode']

进行排序，这是我们在

'，'之前想要的。加入
这里您可以：

df1=df.groupby（['InvoiceNo'，'ItemCode'，sort=False）.Qty.sum（）.reset_index（）
df1['Desired result']=df1.ItemCode+'-'+df1.Qty.astype（str）
打印（df1.groupby（['InvoiceNo']）['Desired result'].apply（lambda res:'，'.join（sorted（res））.reset_index（））

输出：

  InvoiceNo      Desired result
0   Inv-001       a-1, b-2, c-1
1   Inv-002  a-4, b-1, c-1, d-4
2   Inv-003            b-2, e-1

如果我们在
dataframe
上执行由数千行组成的多个
Groupby
，在速度上是否有任何警告或妥协？@Rapto
Groupby
通常性能非常好，许多基本聚合，如
sum
，都有非常快速的实现，所以，即使你有100万组和5000万行，也只需要一秒钟。另一方面，如果您
groupby
+
应用您自己的函数，该函数将成为组上的循环。这通常会稍微慢一点，并随着组数的增加而扩展，但应该仍然可以。我不确定如何实现
str.join
，它可能会慢一点，但使用字符串操作通常会慢一点。看来我不会面临任何性能问题。因为我的数据每个文件最多包含10万行。如果我一个文件一个文件地处理。希望事情会顺利的。@Alolz我有一个类似的例子。然而，上面的
ItemCode
对应的是数字。当我应用你的代码时，我得到了一个错误。有什么建议吗？@Tommy如果你试图对一个数字进行字符串运算，你会出错的。因此，您首先需要将其转换为字符串：
df1['ItemCode']=df1['ItemCode'].astype（str）
，然后您可以加入并执行任何其他您想要的操作。谢谢您，并向上投票。我接受了@ALollz的回答，因为它很优雅。。