Python 如何在pandas中创建求和行和求和列?
我正在学习可汗学院的统计学课程,这是我大学时代的一点复习,也是让我了解熊猫和其他科学巨蟒的一种方式 我有一张来自汗学院的桌子,看起来像这样:Python 如何在pandas中创建求和行和求和列?,python,pandas,Python,Pandas,我正在学习可汗学院的统计学课程,这是我大学时代的一点复习,也是让我了解熊猫和其他科学巨蟒的一种方式 我有一张来自汗学院的桌子,看起来像这样: | Undergraduate | Graduate | Total -------------+---------------+----------+------ Straight A's | 240 | 60 | 300 -------------+---------------+-----
| Undergraduate | Graduate | Total
-------------+---------------+----------+------
Straight A's | 240 | 60 | 300
-------------+---------------+----------+------
Not | 3,760 | 440 | 4,200
-------------+---------------+----------+------
Total | 4,000 | 500 | 4,500
我想用熊猫重新制作这张桌子。当然,我可以使用以下方法创建数据帧
"Graduate": {...},
"Undergraduate": {...},
"Total": {...},
但这似乎是一种幼稚的方法,既会很快失败,又不会真正扩展
表中的非总计部分如下所示:
df = pd.DataFrame(
{
"Undergraduate": {"Straight A's": 240, "Not": 3_760},
"Graduate": {"Straight A's": 60, "Not": 440},
}
)
df
我一直在寻找并发现了一些有前途的东西,比如:
df['Total'] = df.sum(axis=1)
但是我没有发现任何非常优雅的东西
我确实找到了交叉表
函数,它看起来应该做我想做的事情,但为了做到这一点,我必须为所有这些值创建一个由1/0组成的数据帧,这看起来很愚蠢,因为我已经得到了一个聚合
我发现一些方法似乎可以手动构建新的总计行,但似乎应该有更好的方法,例如:
totals(df, rows=True, columns=True)
或者别的什么
熊猫是否存在这种情况,还是我必须拼凑出自己的方法?和
这个答案的要点是提供一个在线而非就地解决方案
我使用append
垂直堆叠Series
或DataFrame
。它还创建了一个副本
,以便我可以继续链接
我使用assign
添加列。但是,我正在处理的DataFrame
位于中间的虚空中。因此我在assign
参数中使用lambda
,它告诉Pandas
将其应用于调用的DataFrame
有趣的选择 使用
drop
和errors='ignore'
删除可能预先存在的Total
行和列
还有,还在排队
def tc(d):
return d.assign(Total=d.drop('Total', errors='ignore', axis=1).sum(1))
df.pipe(tc).T.pipe(tc).T
Graduate Undergraduate Total
Not 440 3760 4200
Straight A's 60 240 300
Total 500 4000 4500
或者分两步,按照您的建议使用
.sum()
函数(也可能可读性更强):
输出:
Graduate Undergraduate Total
Not 440 3760 4200
Straight A's 60 240 300
Total 500 4000 4500
从原始数据使用
交叉表
,如果仅仅基于您的输入,您只需要在交叉表
s=df.reset_index().melt('index')
pd.crosstab(index=s['index'],columns=s.variable,values=s.value,aggfunc='sum',margins=True)
Out[33]:
variable Graduate Undergraduate All
index
Not 440 3760 4200
Straight A's 60 240 300
All 500 4000 4500
玩具数据
df=pd.DataFrame({'c1':[1,2,2,3,4],'c2':[2,2,3,3,3],'c3':[1,2,3,4,5]})
# before `agg`, I think your input is the result after `groupby`
df
Out[37]:
c1 c2 c3
0 1 2 1
1 2 2 2
2 2 3 3
3 3 3 4
4 4 3 5
pd.crosstab(df.c1,df.c2,df.c3,aggfunc='sum',margins
=True)
Out[38]:
c2 2 3 All
c1
1 1.0 NaN 1
2 2.0 3.0 5
3 NaN 4.0 4
4 NaN 5.0 5
All 3.0 12.0 15
原始数据为:
>>> df = pd.DataFrame(dict(Undergraduate=[240, 3760], Graduate=[60, 440]), index=["Straight A's", "Not"])
>>> df
Out:
Graduate Undergraduate
Straight A's 60 240
Not 440 3760
您只能使用df.T
来实现重新创建此表:
>>> df_new = df.T
>>> df_new
Out:
Straight A's Not
Graduate 60 440
Undergraduate 240 3760
按行和列计算总数后:
>>> df_new.loc['Total',:]= df_new.sum(axis=0)
>>> df_new.loc[:,'Total'] = df_new.sum(axis=1)
>>> df_new
Out:
Straight A's Not Total
Graduate 60.0 440.0 500.0
Undergraduate 240.0 3760.0 4000.0
Total 300.0 4200.0 4500.0
呵呵。。。这给了我一些奇怪的输出,虽然-3760+440不是8400,但这就是它所显示的??这很奇怪,我得到了4200,这是它应该得到的吗?也许是打字错误?@WayneWerner这是因为这是一个就地操作。看来你已经运行了两次了,我一定是不小心在笔记本上按了ctrl+enter。这一次我做了一份复印件来操作:)
>>> df_new = df.T
>>> df_new
Out:
Straight A's Not
Graduate 60 440
Undergraduate 240 3760
>>> df_new.loc['Total',:]= df_new.sum(axis=0)
>>> df_new.loc[:,'Total'] = df_new.sum(axis=1)
>>> df_new
Out:
Straight A's Not Total
Graduate 60.0 440.0 500.0
Undergraduate 240.0 3760.0 4000.0
Total 300.0 4200.0 4500.0