遍历df行，对条目组求和

Question

我是新手。我在这个网站上寻找类似的问题，这帮助我想出了一个工作版本的代码，但我需要帮助，使它更专业。

我需要在pandas中迭代数据帧的行。我想做的是在"描述"列中找到相同的项目(例如杂货)，并从"金额"列中找到它们的总(和)值，最后将结果写入.csv文件。我做这一切的原因是为我想基于这些类别创建的条形图编译数据。

在以下代码的帮助下，我能够完成所有这些，但这很可能不是很python化或高效。我所做的是使用嵌套在if语句中的print语句来获取类别标签(I)和要打印到文件的数量。问题是我必须添加很多东西才能使整体工作。首先，我必须创建一个空列表，以确保if语句在每次看到"Description"列中的所需项目时不会触发.loc。其次，我不确定保存print语句是否是最好的方法，因为它看起来非常虚假。感觉我离使用打孔卡还有一步之遥。总之，如果有人能帮助我使我的代码更符合标准，我将不胜感激。

"

used_list = []
for i in df['Description']:
if i in used_list:
continue
sys.stdout = open(file_to_hist, "a")
print(i,',', df.loc[df['Description'] == i, 'Amount'].sum())
used_list.append(i)

"

我还尝试了一种稍微不同的方法(将结果直接保存到df中)，但随后我在'Amount'列中获得NaN值，并且没有其他错误(退出代码0)来帮助我理解发生了什么:

"

used_list = []
df_hist_data = pd.DataFrame(columns=['Description', 'Amount'])
for i in df['Description']:
if i in used_list:
continue
df_hist_data = df_hist_data.append({'Description' : i}, {'Amount' : df.loc[df['Description'] == i, 'Amount'].sum()})
used_list.append(i)
print(df_hist_data)

"

Answer 1

只能选择符合条件的行df[ a boolean matrix here ]

当做df["a column name"]=="value"时，你实际上得到一个布尔矩阵，其中"a column name"=="value"的行是True，其他行是False

总结一下:Dataframe[Dataframe["Description"] == "banana"]将为您提供一个新数据框的视图，其中只保留符合您条件的行。(原始数据帧不改变)

如果您选择该数据框的"Amount"列和.sum()列，那么您在一行中就得到了所需的内容。这是典型的pandadorable(相当于熊猫的pythonic)进行条件和的方式。

如果需要，选择数据框中condition可以取多个值的行，使用.isin()获取布尔矩阵

Dataframe["Description"].isin(["banana","apple"])

然后，扫描"description"中所有可能的值时在数据框架中，在生成迭代器时使用.unique()。

最后，你可以将Series附加到空数据框中，然后再将其保存为csv。

总的来说，我们得到的代码是:

import pandas as pd
Dataframe = pd.DataFrame([
{"Description":"apple","Amount":15},
{"Description":"banana","Amount":1},
{"Description":"berry","Amount":155},
{"Description":"banana","Amount":4}])
df_hist_data = pd.DataFrame(columns=['Description', 'Sum'])
for item in Dataframe["Description"].unique() :
df_hist_data = df_hist_data.append( pd.Series( 
{ "Description" : item , 
"Sum" : Dataframe[(Dataframe["Description"].isin([item]))]["Amount"].sum() }
), ignore_index=True )

OUT: 
>> 20

---

你还可以用更python的方式，在一行中使用列表推导式:

selector = "Description"
sum_on = "Amount"
new_df =  pd.DataFrame([  {selector : item , sum_on : df[(df[selector].isin([item]))][sum_on].sum() } for  item in df[selector].unique() ] )