提问人：Trying_hard 提问时间：10/8/2016 最后编辑：blackravenTrying_hard 更新时间：3/16/2023 访问量：867125
我熊猫如何分组以获得总和？
How do I Pandas group-by to get sum?
问：
我正在使用这个数据框：
Fruit Date Name Number
Apples 10/6/2016 Bob 7
Apples 10/6/2016 Bob 8
Apples 10/6/2016 Mike 9
Apples 10/7/2016 Steve 10
Apples 10/7/2016 Bob 1
Oranges 10/7/2016 Bob 2
Oranges 10/6/2016 Tom 15
Oranges 10/6/2016 Mike 57
Oranges 10/6/2016 Bob 65
Oranges 10/7/2016 Tony 1
Grapes 10/7/2016 Bob 1
Grapes 10/7/2016 Tom 87
Grapes 10/7/2016 Bob 22
Grapes 10/7/2016 Bob 12
Grapes 10/7/2016 Tony 15
我想将其聚合起来，然后通过得到每个 .例如：NameFruitFruitName
Bob,Apples,16
我尝试按 和 分组，但我如何获得 的总数？NameFruitFruit
答：
440赞
Steven G
10/8/2016
#1
使用 GroupBy.sum：
df.groupby(['Fruit','Name']).sum()
Out[31]:
Number
Fruit Name
Apples Bob 16
Mike 9
Steve 10
Grapes Bob 35
Tom 87
Tony 15
Oranges Bob 67
Mike 57
Tom 15
Tony 1
若要指定要求和的列，请使用以下命令：df.groupby(['Name', 'Fruit'])['Number'].sum()
评论
0赞
Rui
11/22/2022
问题是，如果数据是从excel中读取的，当我们从excel中读取数据时，“Number”默认应该是一个字符串，如何使用sum（）功能？
0赞
Rui
11/22/2022
##there 是 'overview.csv 中的五列数据 temp = pd.read_csv（“overview.csv”） temp.groupby（[temp.columns[0]，temp.columns[1]]）[temp.columns[4]].sum（） print（temp） 无法获取 'temp.columns[4] 的总和
62赞
Demetri Pananos
10/8/2016
#2
其他两个答案都实现了你想要的。
您可以使用该功能将数据排列在一个漂亮的表格中pivot
df.groupby(['Fruit','Name'],as_index = False).sum().pivot('Fruit','Name').fillna(0)
Name Bob Mike Steve Tom Tony
Fruit
Apples 16.0 9.0 10.0 0.0 0.0
Grapes 35.0 0.0 0.0 87.0 15.0
Oranges 67.0 57.0 0.0 15.0 1.0
265赞
Saurabh
10/8/2016
#3
您也可以使用 agg 函数，
df.groupby(['Name', 'Fruit'])['Number'].agg('sum')
35赞
jared
3/11/2018
#4
df.groupby(['Fruit','Name'])['Number'].sum()
您可以选择不同的列来对数字求和。
207赞
Gazala Muhamed
7/2/2018
#5
如果要保留原始列 和 ，请使用 。否则，将成为索引的一部分。FruitNamereset_index()FruitName
df.groupby(['Fruit','Name'])['Number'].sum().reset_index()
Fruit Name Number
Apples Bob 16
Apples Mike 9
Apples Steve 10
Grapes Bob 35
Grapes Tom 87
Grapes Tony 15
Oranges Bob 67
Oranges Mike 57
Oranges Tom 15
Oranges Tony 1
从其他答案中可以看出：
df.groupby(['Fruit','Name'])['Number'].sum()
Number
Fruit Name
Apples Bob 16
Mike 9
Steve 10
Grapes Bob 35
Tom 87
Tony 15
Oranges Bob 67
Mike 57
Tom 15
Tony 1
12赞
BENY
11/21/2018
#6
您可以将该列设置为然后使用groupbyindexsumlevel
df.set_index(['Fruit','Name']).sum(level=[0,1])
Out[175]:
Number
Fruit Name
Apples Bob 16
Mike 9
Steve 10
Oranges Bob 67
Tom 15
Mike 57
Tony 1
Grapes Bob 35
Tom 87
Tony 15
24赞
xxyjoel
2/2/2020
#7
.agg（） 函数的变体;提供以下功能：（1） 持久化类型 DataFrame，（2） 应用平均值、计数、求和等，以及 （3） 在保持易读性的同时在多个列上启用 Groupby。
df.groupby(['att1', 'att2']).agg({'att1': "count", 'att3': "sum",'att4': 'mean'})
使用您的价值观...
df.groupby(['Name', 'Fruit']).agg({'Number': "sum"})
11赞
Ynjxsjmh
3/18/2021
#8
您也可以在分组依据之后的列上使用 transform（）。此操作将使用 function 计算一组中的总数，结果是一个与原始 DataFrame 具有相同索引的序列。Numbersum
df['Number'] = df.groupby(['Fruit', 'Name'])['Number'].transform('sum')
df = df.drop_duplicates(subset=['Fruit', 'Name']).drop('Date', 1)
然后，您可以将重复的行放在列和 上。此外，您可以通过指定轴（对于行和列）来删除列。FruitNameDate101
# print(df)
Fruit Name Number
0 Apples Bob 16
2 Apples Mike 9
3 Apples Steve 10
5 Oranges Bob 67
6 Oranges Tom 15
7 Oranges Mike 57
9 Oranges Tony 1
10 Grapes Bob 35
11 Grapes Tom 87
14 Grapes Tony 15
# You could achieve the same result with functions discussed by others:
# print(df.groupby(['Fruit', 'Name'], as_index=False)['Number'].sum())
# print(df.groupby(['Fruit', 'Name'], as_index=False)['Number'].agg('sum'))
有一个官方教程 Group by： split-apply-combine 讨论分组后可以做什么。
评论
0赞
Rui
11/22/2022
嗨，大家好，您的解决方案确实有效！我的 Python 版本是 3.8，如果我们只使用 sum（），它似乎确实有效。
0赞
Ynjxsjmh
11/23/2022
@Rui 不明白，你只说它有效，那么什么时候不起作用？
0赞
Rui
11/23/2022
Ynjxsjmh，我的意思是，如果我只使用 'df['Number'] = df.groupby（['Fruit'， 'Name']）['Number'].transform（'sum'）'，我无法获得按 'Fruit'、'Name' 对分组的 'Number' 的总和。但是，如果我按照您的评论建议添加该行，df = df.drop_duplicates（subset=['Fruit'， 'Name']）'，那么我就得到了预期的总和。
2赞
Jorge Torres
4/20/2021
#9
你可以使用 dfsql
来解决你的问题，它看起来像这样：
df.sql('SELECT fruit, sum(number) GROUP BY fruit')
https://github.com/mindsdb/dfsql
这是一篇关于它的文章：
3赞
cottontail
7/8/2022
#10
如果希望聚合列具有自定义名称，例如 等（此处的所有解决方案都会生成一个以聚合列命名的 DataFrame），请使用命名聚合：Total NumberTotalNumber
df.groupby(['Fruit', 'Name'], as_index=False).agg(**{'Total Number': ('Number', 'sum')})
或者（如果自定义名称不需要包含空格）：
df.groupby(['Fruit', 'Name'], as_index=False).agg(Total=('Number', 'sum'))
这相当于 SQL 查询：
SELECT Fruit, Name, sum(Number) AS Total
FROM df
GROUP BY Fruit, Name
说到SQL，有一个模块允许你使用SQL语法在本地环境中查询pandas数据帧。它不是 Pandas 的一部分，因此必须单独安装。pandasql
#! pip install pandasql
from pandasql import sqldf
sqldf("""
SELECT Fruit, Name, sum(Number) AS Total
FROM df
GROUP BY Fruit, Name
""")
1赞
Abdul Moiz
12/16/2022
#11
您可以使用 reset_index（） 重置总和后的索引
df.groupby(['Fruit','Name'])['Number'].sum().reset_index()
或
df.groupby(['Fruit','Name'], as_index=False)['Number'].sum()
评论