Python GroupBy两列，第一级留有边距

我将一个数据帧按2列分组，并按其他列的总和进行聚合。如何通过同一数据帧中的第一个分组列获得总计

例如，我的数据框是：

np.random.seed(0)
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
               'B' : ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
               'C' : np.random.randn(8),
               'D' : np.random.randn(8)})

结果：

grouped = df.groupby(by=['A', 'B']).sum()

是:

我想要得到什么：

                  C         D
A   B                        
bar one    0.400157  0.410599
    two   -0.977278  0.121675
    three  2.240893  1.454274
    total  1.663773  1.986547
foo one    2.714141  0.340644
    two    2.846296  0.905081
    three -0.151357  0.333674
    total  5.409080  1.579400

如何做到这一点

---

更新：我发现了一个类似的问题，该问题还有两个答案。

您可以使用

pd.category

在

groupby

输出中为“total”创建占位符。这将使计算和将总数分配回结果变得容易

df.B = pd.Categorical(
         df.B, categories=np.append(df.B.unique(), 'total'))
v = df.groupby(by=['A', 'B']).sum()
v.loc(axis=0)[pd.IndexSlice[:,'total']] = v.groupby(level=0).sum().values

---

如果需要根据不同的指标进行聚合：

df.B = pd.Categorical(
         df.B, categories=np.append(df.B.unique(), 'total'))
idx = pd.MultiIndex.from_product([df.A.unique(), df.B.cat.categories]) 

v = df.groupby(by=['A', 'B']).agg(['sum', 'count']).reindex(idx)
v.loc(axis=0)[pd.IndexSlice[:,'total']] = v.groupby(level=0, sort=False).sum().values

---

另一种选择是

pivot\u table

，它使保证金生成更容易（尽管不提供次级保证金）：

---

你的问题解决了吗？将来，为了再现性，请在生成随机值之前添加一个随机种子。@IMCoins-否。它添加了一列我需要一个新的多重索引。@coldspeed-你说得对，但这只是一个例子。嗨，coldspeed，我认为这是一个很好的答案，解决了OP的问题。我只是想知道：有没有更简单的方法来获得小计（各种形式的）。得出这个答案需要相当多的经验，而这个问题本身对于分析师和记者来说是非常常见的。它很好，适用于一个聚合数据，但不适用于两个或更多（如我所需）它适用于：df.groupby（by=['a'，'B']）.agg（'count'），但不适用于：df.groupby（by=['a'，'B']）.agg（['count'，'sum']）而且它对df.groupby（by=['A'，'B']）.agg（['count']）也不起作用（因为括号？？）@sandervandendoord大多数时候，用户对页边距的要求很容易通过交叉表和透视表等功能得到满足（请参见编辑）。groupby的小计很少被要求，至少从我在这里的经历来看是这样。非常感谢@coldspeed@coldspeed“基于不同指标的聚合”部分是我需要的，但它有一个问题。“groupby”，idx未排序时的排序级别为0。因此，当您重新索引时，您将取消对结果的排序，但“v.groupby（level=0）.sum（）.values”将对结果进行排序。在结果中，您将“total bar”和“total foo”相加，反之亦然。因此，您需要将最后一行更改为“v.groupby（level=0，sort=False）.sum（）”，或者更好的方法是对idx进行排序（不确定如何排序），它可能适用于2级索引，但不确定是否适用于3级或更高级别（我只有2级，所以它很好，我仍然需要检查）

print(v)
                  C         D
A   B                        
bar one    0.400157  0.410599
    two   -0.977278  0.121675
    three  2.240893  1.454274
    total  1.663773  1.986547
foo one    2.714141  0.340644
    two    2.846296  0.905081
    three -0.151357  0.333674
    total  5.409080  1.579400

df.B = pd.Categorical(
         df.B, categories=np.append(df.B.unique(), 'total'))
idx = pd.MultiIndex.from_product([df.A.unique(), df.B.cat.categories]) 

v = df.groupby(by=['A', 'B']).agg(['sum', 'count']).reindex(idx)
v.loc(axis=0)[pd.IndexSlice[:,'total']] = v.groupby(level=0, sort=False).sum().values

print(v)
                  C               D      
                sum count       sum count
foo one    2.714141   2.0  0.340644   2.0
    two    2.846296   2.0  0.905081   2.0
    three -0.151357   1.0  0.333674   1.0
    total  5.409080   5.0  1.579400   5.0
bar one    0.400157   1.0  0.410599   1.0
    two   -0.977278   1.0  0.121675   1.0
    three  2.240893   1.0  1.454274   1.0
    total  1.663773   3.0  1.986547   3.0

df.pivot_table(index=['A', 'B'], 
               values=['C', 'D'], 
               aggfunc=['sum', 'count'], 
               margins=True)

                sum           count     
                  C         D     C    D
A   B                                   
bar one    0.400157  0.410599   1.0  1.0
    two   -0.977278  0.121675   1.0  1.0
    three  2.240893  1.454274   1.0  1.0
foo one    2.714141  0.340644   2.0  2.0
    two    2.846296  0.905081   2.0  2.0
    three -0.151357  0.333674   1.0  1.0
All        7.072852  3.565947   8.0  8.0