如何根据其他列中的值求和单个列的值

Question

我有以下Panda DataFrame df:

fea1  fea2       
0     a_1   1     
1     a_2   2      
2     a_4   3      
3     a_8   7      
4     u     9
5     be_1  5      
6     a_3   24     
7     a_5   5      
8     a_6   8
9     be_4  6
9     a_10  9
10    be_3  1
11    be_2  4
12    be_5  3
13    be_6  2

我需要总结一下"；fea2"；a_1、a_2、a_3的值(如1,2,24(并保存为a_q1，然后求和"；fea2"；a_4、a_5、a_6的值，并另存为a_q2。此外，对于be_1、be_2和be_3等也是如此。类似下面的

fea1   fea2  
0     a_q1   27      
1     a_q2   16      
2     a_8    7
3     be_q1  10
4     be_q2  11    
5     u      9   

我试过这个

df.groupby(df['fea1'].str.extract(r'^(D+)', expand=False))['fea2'].sum().reset_index()

但它把所有的a_1，a_2，a_3，a_4，。。。作为一个值，be1，be2，be3，be4作为…一个值。如何有效地做到这一点？

Answer 1

IIUC您需要首先在fea1上创建sort，然后在其上创建组号，以便可以groupby:

df = df.sort_values("fea1")
df["group"] = df.groupby(df["fea1"].str[0]).cumcount()//3
print (df.groupby([df["fea1"].str[0], "group"])["fea2"].sum())
fea1  group
a     0        27
1        16
2         7
u     0         9

Answer 2

让我们试试这个：

df[['Letters', 'number']] = df['fea1'].str.extract('(?P<letters>[a-zA-Z]+)_?(?P<number>d+)?')
df['grp'] = (df['number'].fillna(0).astype(int) - 1) // 3
df_q = df.groupby(['Letters', 'grp'])['fea2'].sum()
df_q.index = [f'{i}_q{j+1}' if j != -1 else f'{i}' for i, j in df_q.index]
df_q

输出：

a_q1     27
a_q2     16
a_q3      7
a_q4      9
be_q1    10
be_q2     9
u         9
Name: fea2, dtype: int64

详细信息：

• 使用字符串访问器.str、extract和正则表达式进行命名捕获小组
• 现在，让我们用一点数学来用除数3对行进行分组
• 接下来，使用groupby和sum
• 最后，使用列表理解和f字符串格式

Answer 3

感谢您的帮助@Scott Boston。我改变了一点，效果很好。所以，我在这里发布了完整的代码和你的代码。

data = {'fea1':['a_1', 'a_2', 'a_4', 'a_8', 'u', 'a_3', 'a_5', 'a_6', 'a_10', 'a_20','be_1','be_2','be_3','r_s1','r_s2'], 'fea2':[1, 2,3,7,9,24,5,8,3,7,1,8,4,1,2]} 
# Create DataFrame 
df = pd.DataFrame(data)
df['fea1'] = df['fea1'].str.replace('_', '')
df[['Letters', 'number']] = df['fea1'].str.extract('(?P<letters>[a-zA-Z]+)?(?P<number>d+)?')
df['grp'] = (df['number'].fillna(0).astype(int) - 1) // 3
df_q = df.groupby(['Letters', 'grp'])['weight'].sum()
df_q.index = [f'{i}_q{j+1}' if j != -1 else f'{i}' for i, j in df_q.index]
df_q  #series
# converting series as dataframe
dff = pd.DataFrame({'fea1':df_q.index, 'fea2':df_q.values})
dff