Python 通过未给出预期结果，使用组求和

我需要在另一列上使用GROUPBY对一列的值求和，并用这些值覆盖数据帧

我试过了-

df.groupby('S/T name')['Age group (Years)Total Persons'].sum()

要在其上实现sum的数据帧-

S/T code        S/T name          city name         population
1                NSW            Greater sydney       1000
1                NSW            rest of nsw          100
1                NSW            rest of nsw          2000
2                Victoria       Geelong              1200
2                Victoria       Melbourne            1300
2                Victoria       Melbourne            1000

所需输出-

S/T code        S/T name        population
1                NSW                3100
2                Victoria           3500

---

请尝试以下代码：

解决方案1

grouped_df = df.groupby('S/T name')['population'].sum()
print(grouped_df)

上述代码将按列

S/T name

对结果进行分组，并给出

population

列的

sum

解决方案2

grouped_df1 = df.groupby('S/T name').agg({'S/Tcode':'unique','population': 'sum'})
grouped_df1

---

在您的示例中，您似乎在错误的列上求和，切换到“人口”将使您在大部分方面受益：

df.groupby('S/T name')['population'].sum()

因为您希望保留S/T code列，尽管您可以使用。在“人口”列中调用“总和”，在“S/T代码”列中调用“平均值”：

df.groupby('S/T name').agg({'population': 'sum', 'S/T code': 'mean'})

输出：

S/T name        S/T code  population              
NSW              1        3100
Victoria         2        3500

---

你得到了什么结果？