Python 从数据帧中提取对的最新方法

给定以下数据帧：

mydf = pd.DataFrame([{'Campaign': 'Campaign X', 'Date': '24-09-2014', 'Spend': 1.34, 'Clicks': 241}, {'Campaign': 'Campaign Y', 'Date': '24-08-2014', 'Spend': 2.89, 'Clicks': 12}, {'Campaign': 'Campaign X', 'Date': '24-08-2014', 'Spend': 1.20, 'Clicks': 1}, {'Campaign': 'Campaign Z2', 'Date': '24-08-2014', 'Spend': 4.56, 'Clicks': 13}] )

我希望首先提取活动支出对，当一个活动有多个条目时（如本例中的活动X），在适用的情况下，首先求和。以最少的知识，我发现自己在做：

summed = mydf.groupby('Campaign', as_index=False).sum()
campaignspends = zip(summed['Campaign'], summed['Spend'])
campaignspends = dict(campaignspends)

---

我猜pandas或python本身对此有一行代码？

您可以使用

[“花费”]

从groupby对象中拉出感兴趣的列：

在这里，我将

添加到了_dict（）

调用（

dict（mydf..etc）

也会起作用），不过请注意，根据您下一步的计划，您可能根本不需要从一个系列转换到一个字典。比如说,

>>> s = mydf.groupby("Campaign")["Spend"].sum()
>>> s["Campaign Z2"]
4.5599999999999996

正如你所期待的那样

>>> s = mydf.groupby("Campaign")["Spend"].sum()
>>> s["Campaign Z2"]
4.5599999999999996