Python 对行进行分组并定义列聚合规则

我希望在pandas中整合多行不同的数据类型。我有我的

.groupby（）

参数：

['ID']

。列

['A']

按

['ID']

分组时可能重复值，或者每行的数据不同。列

['B']

只需通过

.sum（）

聚合即可

1）按

['ID']

分组，2）分组后重复显示

['a']

的值，分组后不重复显示

['a']

的第一个值，以及3）将列

['B']

求和到新的数据帧中，有什么好方法

output_df

ID        A        B
140-1    Apple     8.2
143-2    Plum      3.2

尝试：

你可以试试

df.groupby('ID').agg({'A': lambda x: x.unique()[0], 'B': 'sum'}).reset_index()

    ID      A       B
0   140-1   Apple   8.2
1   143-2   Plum    3.2

---

您的代码看起来可以在任何其他数据帧上工作。出于某种原因，我抛出了'TypeError:'Series'对象是可变的，因此它们不能在我的实际工作数据帧上进行哈希运算。你能试试这个吗？agg（{'A'：'first'，'B'：'sum'}）.reset_index（）我弄明白了…我调用列的方式不正确。谢谢你的帮助！

input_df.groupby('ID').apply(lambda f: pd.DataFrame({'A': f.A.head(1), 'B': f.B.sum()})).reset_index(level=0)


#       ID      A    B
# 0  140-1  Apple  8.2
# 2  143-2   Plum  3.2

df.groupby('ID').agg({'A': lambda x: x.unique()[0], 'B': 'sum'}).reset_index()

    ID      A       B
0   140-1   Apple   8.2
1   143-2   Plum    3.2