Python 基于条件添加行-数据帧

我有一个数据框，如下所示：

我想根据以下逻辑添加新行：

添加“位置”为“舞台区域”的新行

此行是条目的总和，其中“位置”是“回复区-新商业区” 以及“地点”为“文化中心”的条目

把这些行放下 “位置”为“回复区-新商业区”和“文化区” “中心”

因此，对于2020年11月11日，我应该有以下条目：

用于按多个值筛选、聚合和添加列

位置

和最后添加到原始数据帧，而不使用掩码匹配行：

mask = df['location'].isin(["Reply's Area - New Commercial Area", 'Cultural Hub'])

df1 = (df[mask].groupby(['day','locationTypes'],as_index=False)[['dwell', 'football']]
              .sum()
              .assign(location = 'Stage Area')
              .reindex(df.columns, axis=1))

df = pd.concat([df[~mask], df1], ignore_index=True)

用于按多个值筛选、聚合和添加列

位置

和最后添加到原始数据帧，而不使用掩码匹配行：

mask = df['location'].isin(["Reply's Area - New Commercial Area", 'Cultural Hub'])

df1 = (df[mask].groupby(['day','locationTypes'],as_index=False)[['dwell', 'football']]
              .sum()
              .assign(location = 'Stage Area')
              .reindex(df.columns, axis=1))

df = pd.concat([df[~mask], df1], ignore_index=True)

---

耶兹雷尔看起来很接近答案，但也许足球上的聚合是不正确的。。。只是看了他的代码，所以我可能错了

正确的版本如下所示，这与您在示例中建议的数字相匹配。 我制作了一个较小版本的示例表，用于测试。这里的“数据”是您的数据帧

mask = data["location"].isin(["Repley's Area - New Commercial Area", "Cultural Hub"])
data[mask].groupby(["day","locationTypes"], as_index=False)['dwell', 'football'].sum().assign(location="Stage Area")

输出：

          day locationTypes  dwell  football    location
0  2020-11-11          Zone    145      2307  Stage Area
1  2020-11-12          Zone     95      2905  Stage Area

---

耶兹雷尔看起来很接近答案，但也许足球上的聚合是不正确的。。。只是看了他的代码，所以我可能错了

正确的版本如下所示，这与您在示例中建议的数字相匹配。 我制作了一个较小版本的示例表，用于测试。这里的“数据”是您的数据帧

mask = data["location"].isin(["Repley's Area - New Commercial Area", "Cultural Hub"])
data[mask].groupby(["day","locationTypes"], as_index=False)['dwell', 'football'].sum().assign(location="Stage Area")

输出：

          day locationTypes  dwell  football    location
0  2020-11-11          Zone    145      2307  Stage Area
1  2020-11-12          Zone     95      2905  Stage Area

---

谢谢你的回复！以下方面发挥了作用：

mask=df[df['location'].isin(["Repley's Area - New Commercial Area",'Cultural Hub'])]

df1=mask.groupby(['day','locationTypes'],as_index=False)['footfall','dwell (minutes)'].sum().assign(location='Stage Area')

#reordering the columns for pd.concat
df1= df1[df.columns]

df_final=pd.concat([df[~df['location'].isin(["Repley's Area - New Commercial Area",'Cultural Hub'])],df1]) 

#checking the result
df_final[(df_final['day']=='2020-11-11') & (df_final['location']=='Stage Area')]

#给

---

谢谢您的回复！以下方面发挥了作用：

mask=df[df['location'].isin(["Repley's Area - New Commercial Area",'Cultural Hub'])]

df1=mask.groupby(['day','locationTypes'],as_index=False)['footfall','dwell (minutes)'].sum().assign(location='Stage Area')

#reordering the columns for pd.concat
df1= df1[df.columns]

df_final=pd.concat([df[~df['location'].isin(["Repley's Area - New Commercial Area",'Cultural Hub'])],df1]) 

#checking the result
df_final[(df_final['day']=='2020-11-11') & (df_final['location']=='Stage Area')]

#给

---

Oki，增加了列变更单的

reindex

，增加了列变更单的

reindex