基本上，我擁有的資料集有 4 列，如下所示：-
| 用戶識別符號 | 帳戶 | 姓名 | 數量 |
|---|---|---|---|
| w1 | A1 | 羅希特 | 10 |
| w2 | A1 | 羅希特 | 10 |
| w3 | A2 | 羅希特 | 100 |
| w4 | B1 | 薩克什 | 10 |
| w5 | B2 | 薩克什 | 20 |
| w6 | B3 | 薩克什 | 30 |
現在對于我嘗試使用 python 查找的每個名稱
- 不同帳戶的計數，
- 這些不同賬戶的金額總和
- 每個名稱的 UID 計數
輸出如下所示
| 姓名 | 賬戶數 | UID 計數 | 金額總和 |
|---|---|---|---|
| 羅希特 | 2 | 3 | 110 |
| 薩克什 | 3 | 3 | 60 |
到目前為止，我能夠使用下面的代碼片段獲得計數，但無法計算數量。
df = df.groupby('Name')['Account','Uid'].nunique()
uj5u.com熱心網友回復：
乍一看，我會建議：
df.groupby('Name').agg({'Account':'count','UID':'count','Amount': 'sum'})
但是正如您所指出的，您想在總和之前對每個名稱的 Amount 值進行重復資料洗掉，我想我會分兩步完成（盡管可能有一種更聰明的方法涉及 lambda 函式）：
s1=df.drop_duplicates(subset=['Name','Amount']).groupby('Name')['Amount'].sum()
df1=df.groupby('Name')['Account','UID'].nunique()
df1.merge(s1.to_frame(), left_index=True, right_index=True)
uj5u.com熱心網友回復：
使用DataFrameGroupBy.apply，我們可以將nuniqueandsum操作合并為一個函式，如下所示：
def f(group):
# Define transformation dictionary
transform = {}
# Set Account to be number of unique accounts
transform['Account'] = group['Account'].nunique()
# Set Uid to be number of unique UIDs
transform['Uid'] = group['Uid'].nunique()
# Find names of the unique accounts
unique_accounts = group['Account'].unique()
# For each unique name, get the corresponding amount of the first matching row
unique_amounts = [group[group['Account'] == u].iloc[0]['Amount'] for u in unique_accounts]
# Set Amount to the sum of the unique amounts
transform['Amount'] = sum(unique_amounts)
# Return a new Series with our transformed data and its labels
return pd.Series(transform, index=['Account', 'Uid', 'Amount'])
df = df.groupby('Name').apply(f)
結果如下表：
Account UID Amount
Name
Rohit 2 3 110
Sakshi 3 3 60
有關將多個函式應用于 groupby 列的更多資訊，請參閱這篇文章。此外，有關僅獲取與特定條件匹配的資料幀的第一行的資訊，請參閱這篇文章。
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/456788.html
標籤：Python python-3.x 熊猫
上一篇：將具有串列作為值的兩列合并為一列
下一篇：從負載均衡器獲取日志