>我有一个数据帧，我想聚合两个不同列的总和。这是我原始数据帧的df.head(5)。
price name quantity transaction_amount
pk
48 1.00 Product 1 1 1.00
48 1.00 Product 1 4 4.00
63 1.00 Product 2 2 2.00
63 1.00 Product 2 3 3.00
63 1.00 Product 2 1 1.00
我想按pk对它们进行分组，这是产品的数据库主键，并获取transaction_amount列和quantity金额列的总和。但是当我这样做df.groupby(['pk', 'name']).sum()时，我得到这个：
quantity
pk name
48 Product 1 543
63 Product 2 17234
38 Product 3 4014
39 Product 4 11053
40 Product 5 13406
transaction_amount列在哪里？transaction_amount是事务中的quantity和该项在该事务中的price。如果应用了折扣或其他什么，这可能会在每笔交易中发生变化。我们需要记录购买时为商品收取的费用。因此，我期望的结果将具有quantity(总量(，transaction_amounts(总量(，name，以及如下所示的pk：
quantity transaction_amount
pk name
48 Product 1 543 543.00
63 Product 2 17234 89,000.93
38 Product 3 4014 2,000.32
39 Product 4 11053 25,000.36
40 Product 5 13406 6,000.12
我阅读了.sum()的文档，但没有一个选项适合我。如果我删除price列并运行.sum(level=0)则需要很长时间。看看这两种不同方法的时间(更快的方法只对quantity列求和(。
In [237]: %%timeit
...: df.groupby(['pk', 'name']).sum(level=0)
...:
1 loop, best of 3: 3.04 s per loop
In [239]: %%timeit
...: df.groupby(['pk', 'name']).sum()
...:
...:
10 loops, best of 3: 42.4 ms per loop
.sum(axis=1)的结果也相似。
当我跑步时
df.groupby(['pk', 'name']).sum()
我得到
price quantity transaction_amount
pk name
48 Product 1 2.0 5 5.0
63 Product 2 3.0 6 6.0
这向我表明你的price和transaction_amount是对象。
由于您使用的是decimal.Decimal对象，因此numpy.sum不会处理您的对象。因此，只需遵循内置sum：
In [18]: df
Out[18]:
pk price name quantity transaction_amount
0 48 1.0 Product 1 1 1.0
1 48 1.0 Product 1 4 4.0
2 63 1.0 Product 2 2 2.0
3 63 1.0 Product 2 3 3.0
4 63 1.0 Product 2 1 1.0
In [19]: df.groupby(['pk', 'name']).aggregate({
...: "quantity":np.sum,
...: "price":sum,
...: "transaction_amount":sum
...: })
Out[19]:
price quantity transaction_amount
pk name
48 Product 1 2.0 5 5.0
63 Product 2 3.0 6 6.0
请注意，这会很慢，但这是使用 dtype 列object必须付出的代价。
您可以像这样指定要求和的列。
df.groupby(['pk','name'])['quantity','transaction_amount'].sum()