我有一個(gè)時(shí)間序列數(shù)據(jù)，我將其分組，并且想將所有組的數(shù)字列相加。注意：這不是各個(gè)組的列的聚合，而是組對象中所有數(shù)據(jù)幀的相應(yīng)單元格的總和。由于它是時(shí)間序列數(shù)據(jù)，因此數(shù)據(jù)幀中的一些列本質(zhì)上保持相同，例如Region和Region_Code本身Time在數(shù)據(jù)幀中保持相同。我的偽代碼是 -通過...分組Region_Code僅選擇分組對象的數(shù)字列制作區(qū)域列表通過迭代區(qū)域列表和求和來調(diào)用組對象中的數(shù)據(jù)框讓其他列像Region,Region_Code和Time但問題是，當(dāng)我添加帶有空數(shù)據(jù)幀的調(diào)用數(shù)據(jù)幀時(shí)，所有內(nèi)容都變成空/空，所以最終我什么都沒有。import pandas as pdcountries = ['United States','United States','United States','United States','United States', 'Canada', 'Canada', 'Canada', 'Canada', 'Canada', 'China', 'China', 'China', 'China', 'China']code = ['US', 'US','US','US','US','CAN','CAN','CAN','CAN','CAN', 'CHN','CHN','CHN','CHN','CHN']time = [1,2,3,4,5,1,2,3,4,5,1,2,3,4,5]temp = [2.1,2.2,2.3,2.4,2.5, 3.1,3.2,3.3,3.4,3.5, 4.1,4.2,4.3,4.4,4.5]pressure = [1.0,1.0,1.0,1.0,1.0, 1.1, 1.1, 1.1, 1.1, 1.1, 1.2,1.2,1.2,1.2,1.2]speed = [20,21,22,23,24, 10,11,12,13,14, 30,31,32,33,34]df = pd.DataFrame({'Region': countries, 'Time': time, 'Region_Code': code, 'Temperature': temp, 'Pressure': pressure, 'Speed': speed})countries_grouped = df.groupby('Region_Code')[list(df.columns)[3:]]country_list = ['US', 'CAN', 'CHN']temp = pd.DataFrame()for country in country_list: temp += countries_grouped.get_group(country) ## <--- Failstemp# Had the above worked, the rest of the columns can be made as followstemp['Region'] = 'All'temp['Time'] = df['Time']temp['Region_Code'] = 'ALL'它看起來并不可潘多拉。最好的方法是什么？預(yù)期輸出： Region Time Region_Code Temperature Pressure Speed0 All 1 ALL 9.3 3.3 601 All 2 ALL 9.6 3.3 632 All 3 ALL 9.9 3.3 663 All 4 ALL 10.2 3.3 694 All 5 ALL 10.5 3.3 72
1 回答
慕神8447489
TA貢獻(xiàn)1780條經(jīng)驗(yàn) 獲得超1個(gè)贊
我認(rèn)為您需要聚合sum- 默認(rèn)情況下排除所有非數(shù)字列，因此您可以通過DataFrame.reindex原始列添加它們，并通過以下方式替換缺失值ALL：
print (df.groupby('Time', as_index=False).sum())
? ?Time? Temperature? Pressure? Speed
0? ? ?1? ? ? ? ? 9.3? ? ? ?3.3? ? ?60
1? ? ?2? ? ? ? ? 9.6? ? ? ?3.3? ? ?63
2? ? ?3? ? ? ? ? 9.9? ? ? ?3.3? ? ?66
3? ? ?4? ? ? ? ?10.2? ? ? ?3.3? ? ?69
4? ? ?5? ? ? ? ?10.5? ? ? ?3.3? ? ?72
df = df.groupby('Time', as_index=False).sum().reindex(df.columns, axis=1, fill_value='ALL')
print (df)
? Region? Time Region_Code? Temperature? Pressure? Speed
0? ? ALL? ? ?1? ? ? ? ?ALL? ? ? ? ? 9.3? ? ? ?3.3? ? ?60
1? ? ALL? ? ?2? ? ? ? ?ALL? ? ? ? ? 9.6? ? ? ?3.3? ? ?63
2? ? ALL? ? ?3? ? ? ? ?ALL? ? ? ? ? 9.9? ? ? ?3.3? ? ?66
3? ? ALL? ? ?4? ? ? ? ?ALL? ? ? ? ?10.2? ? ? ?3.3? ? ?69
4? ? ALL? ? ?5? ? ? ? ?ALL? ? ? ? ?10.5? ? ? ?3.3? ? ?72
編輯：對于自定義替換缺失值，請DataFrame.fillna與字典一起使用 - 具有替換值的列名稱：
d = {'Region':'GLOBAL','Region_Code':'ALL'}
df1 = df.groupby('Time', as_index=False).sum().reindex(df.columns, axis=1).fillna(d)
print (df1)
? ?Region? Time Region_Code? Temperature? Pressure? Speed
0? GLOBAL? ? ?1? ? ? ? ?ALL? ? ? ? ? 9.3? ? ? ?3.3? ? ?60
1? GLOBAL? ? ?2? ? ? ? ?ALL? ? ? ? ? 9.6? ? ? ?3.3? ? ?63
2? GLOBAL? ? ?3? ? ? ? ?ALL? ? ? ? ? 9.9? ? ? ?3.3? ? ?66
3? GLOBAL? ? ?4? ? ? ? ?ALL? ? ? ? ?10.2? ? ? ?3.3? ? ?69
4? GLOBAL? ? ?5? ? ? ? ?ALL? ? ? ? ?10.5? ? ? ?3.3? ? ?72
添加回答
舉報(bào)
0/150
提交
取消