将 Pandas groupby 中的多列与字典相结合

让我们看看如何在不同示例的帮助下使用groupby和字典组合 Pandas 中的多个列。

示例 #1：

# importing pandas as pd 
import pandas as pd 
  
# Creating a dictionary 
d = {'id':['1', '2', '3'],
     'Column 1.1':[14, 15, 16],
     'Column 1.2':[10, 10, 10],
     'Column 1.3':[1, 4, 5],
     'Column 2.1':[1, 2, 3],
     'Column 2.2':[10, 10, 10], }
  
# Converting dictionary into a data-frame 
df = pd.DataFrame(d)
print(df)

输出：

# Creating the groupby dictionary 
groupby_dict = {'Column 1.1':'Column 1',
                'Column 1.2':'Column 1',
                'Column 1.3':'Column 1',
                'Column 2.1':'Column 2',
                'Column 2.2':'Column 2' }
  
# Set the index of df as Column 'id'
df = df.set_index('id')
  
# Groupby the groupby_dict created above 
df = df.groupby(groupby_dict, axis = 1).min()
print(df)

输出：

解释

• 在这里，我们将第 1.1 列、第 1.2 列和第 1.3 列分组到第 1 列，将第 2.1 列、第 2.2 列分组到第 2 列。
• 请注意，每列中的输出是组合在一起的列的每一行的最小值。即在第1列中，第一行的值是第1.1列第1行、第1.2列第1行和第1.3列第1行的最小值。

示例 #2：

# importing pandas as pd 
import pandas as pd 
  
# Create dictionary with data 
dict = {
    "ID":[1, 2, 3],
    "Movies":["The Godfather", "Fight Club", "Casablanca"],
    "Week_1_Viewers":[30, 30, 40],
    "Week_2_Viewers":[60, 40, 80],
    "Week_3_Viewers":[40, 20, 20] };
  
# Convert dictionary to dataframe
df = pd.DataFrame(dict);
print(df)

输出：

# Create the groupby_dict 
groupby_dict = {"Week_1_Viewers":"Total_Viewers",
           "Week_2_Viewers":"Total_Viewers",
           "Week_3_Viewers":"Total_Viewers",
           "Movies":"Movies" }
  
df = df.set_index('ID')
df = df.groupby(groupby_dict, axis = 1).sum()
print(df)

输出：

解释：

• 在这里，请注意，即使“电影”没有被合并到另一列中，它仍然必须存在于 groupby_dict 中，否则它不会出现在最终数据帧中。
• 为了计算 Total_Viewers，我们使用了 .sum()函数，该函数将相应行的所有值相加。