Pandas-使用某个单元格标识符对行进行分组和求和

Question

我要做的是取一个类似于下面的表，用Type='Fee'标识所有行，然后将该行的总数添加到其他列匹配的行中(因此，从带有Fee的行中取总数，找到WEEK、STORE和ID匹配的行，并将总数添加到该行中(。我应该注意的是，Week、Store和ID将匹配并且不是Type=Fee的行将是唯一的(只有其中一个(，但我们可能需要将多个费用分组到其中。作为单行示例，下表中的第三行有以下内容：

• 周=15
• 存储=US1
• ID=T3400
• 总计=13

我想做的是找到与这些条件匹配的行，并添加总和。在这种情况下，这将是第1行。

在这些数据中，将有多个Type='Fee'，我想全部折叠到这一行中，我正在努力做的是保持与Fee不同的类型。

我已经给出了预期的输出值。在预期输出中：

• 第1行总计=1098=200(起始(+13(第3行输入(+885(第8行输入(
• 第2行总计=287=189(起始(+98(输入后第5行(
• 第3行总计=15(与输入相比没有变化，因为ID匹配的地方没有费用(
• 第4行总计=581=146(起始(+435(输入后第6行(
• 第5行总计=189(没有更改，因为即使Store和ID匹配，它也来自不同的一周(

如您所见，它将找到带有Fee的行，匹配其他3列，求和总数，并且在整个数据集中不再有带有"Fee"的行。显然，这只是数据的一小部分，总共将有大约20000行要处理。

输入：

类型ID>>费用RD费用>费用[/tr>><189>费用>><146>

周		存储	总计
15	US1	RE-G	T3400	200
15	US4	TO	T656	189
15	US1	T3400	13
16	US4	T173	15
15	US4	T656	98
16	US4	T1121	435
17	US4	TO	T656
15	US1	T3400	885
16	US4	MX	T1121

看起来您想要按周、存储和ID分组，并获得总和。在将Fee替换为null后，您也可以在Type上使用first来获得正确的类型。

import pandas as pd
import numpy as np
df = pd.DataFrame({'Week': [15, 15, 15, 16, 15, 16, 17, 15, 16],
'Store': ['US1', 'US4', 'US1', 'US4', 'US4', 'US4', 'US4', 'US1', 'US4'],
'Type': ['RE-G', 'TO', 'Fee', 'RD', 'Fee', 'Fee', 'TO', 'Fee', 'MX'],
'ID': ['T3400',
'T656',
'T3400',
'T173',
'T656',
'T1121',
'T656',
'T3400',
'T1121'],
'Total': [200, 189, 13, 15, 98, 435, 189, 885, 146]})

df['Type'].replace('Fee', np.nan, inplace=True)
df = df.groupby(['Week','Store', 'ID'], as_index=False).agg({'Type':'first', 'Total':sum})
print(df)

输出

Week Store     ID  Type  Total
0    15   US1  T3400  RE-G   1098
1    15   US4   T656    TO    287
2    16   US4  T1121    MX    581
3    16   US4   T173    RD     15
4    17   US4   T656    TO    189