Filter | Groupby | Aggregate

Question

我正在熊猫python中执行一些任务。

我有一个这样的数据：

col1  |col2  |col3 |col4 |col5 | col6
delhi |assam |"f"  |78.3 |87.1 | B2C
delhi |goa   |"f"  |78.3 |87.1 | B2C
delhi |goa   |"f"  |78.3 |87.1 | B2C
delhi |assam |"f"  |78.3 |87.1 | B2C
up    |assam |"f"  |78.3 |87.1 | B2B
delhi |assam |"f"  |78.3 |87.1 | B2B

现在我想过滤那些col6是B2C的行。过滤后，我想按col1和col2分组，并对col4和col5求和。

所以输出应该像：

col1  |col2  |col3 |col4 |col5 | col6
delhi |assam |"f"  |156.6|174.2| B2C
delhi |goa   |"f"  |156.6|174.2| B2C
up    |assam |"f"  |78.3 |87.1 | B2B
delhi |assam |"f"  |78.3 |87.1 | B2B

我尝试过的方法：

df.loc[df['col6'] == 'B2C'].groupby(['col1', 'col2']).agg({'col4':'sum', 'col5':'sum'})

但我不知道如何将这个结果附加到原始数据帧中。如果我能做得更好，也要指导我。

Answer 1

IIUC，有一种方法：

df = df.groupby(['col1', 'col2', 'col3','col6'], sort=False).sum().reset_index()

注意：如果您只想执行聚合，其中col6中的值为eq('B2C'):

df = pd.concat([df[df.col6.eq('B2C')].groupby(['col1', 'col2', 'col3'],sort=False).sum().reset_index().assign(col6 = 'B2C'), df[df.col6.ne('B2C')]])

输出：

col1    col2 col3  col6   col4   col5
0  delhi   assam   f     B2C  156.6  174.2
1  delhi   goa     f     B2C  156.6  174.2
2  up      assam   f     B2B   78.3   87.1
3  delhi   assam   f     B2B   78.3   87.1