python - seleccionar - Los pandas suman por grupo, pero excluyen ciertas columnas

seleccionar columna en python

Question

¿Cuál es la mejor manera de hacer un grupo en un marco de datos de Pandas, pero excluir algunas columnas de ese grupo? Por ejemplo, tengo el siguiente marco de datos:

Code   Country      Item_Code   Item    Ele_Code    Unit    Y1961    Y1962   Y1963
2      Afghanistan  15          Wheat   5312        Ha      10       20      30
2      Afghanistan  25          Maize   5312        Ha      10       20      30
4      Angola       15          Wheat   7312        Ha      30       40      50
4      Angola       25          Maize   7312        Ha      30       40      50

Quiero agrupar por la columna Country y Item_Code y solo calcular la suma de las filas que se encuentran debajo de las columnas Y1961, Y1962 e Y1963. El marco de datos resultante debería verse así:

Code   Country      Item_Code   Item    Ele_Code    Unit    Y1961    Y1962   Y1963
2      Afghanistan  15          C3      5312        Ha      20       40       60
4      Angola       25          C4      7312        Ha      60       80      100

En este momento estoy haciendo esto:

df.groupby(''Country'').sum()

Sin embargo, esto suma los valores en la columna Item_Code también. ¿Hay alguna forma de especificar qué columnas incluir en la operación sum() y cuáles excluir?

Answer 1

La función agg lo hará por usted. Pase las columnas y funcione como un dict con columna, salida:

df.groupby([''Country'', ''Item_Code'']).agg({''Y1961'': np.sum, ''Y1962'': [np.sum, np.mean]})  # Added example for two output columns from a single input column

Esto mostrará solo el grupo por columnas y las columnas agregadas especificadas. En este ejemplo, incluí dos funciones agg aplicadas a ''Y1962''.

Para obtener exactamente lo que esperaba ver, incluya las otras columnas en el grupo y aplique sumas a las variables Y en el marco:

df.groupby([''Code'', ''Country'', ''Item_Code'', ''Item'', ''Ele_Code'', ''Unit'']).agg({''Y1961'': np.sum, ''Y1962'': np.sum, ''Y1963'': np.sum})

Answer 2

Puede seleccionar las columnas de un grupo por:

In [11]: df.groupby([''Country'', ''Item_Code''])[["Y1961", "Y1962", "Y1963"]].sum()
Out[11]:
                       Y1961  Y1962  Y1963
Country     Item_Code
Afghanistan 15            10     20     30
            25            10     20     30
Angola      15            30     40     50
            25            30     40     50

Tenga en cuenta que la lista aprobada debe ser un subconjunto de las columnas; de lo contrario, verá un KeyError.

Answer 3

Si está buscando una forma más generalizada de aplicar a muchas columnas, lo que puede hacer es crear una lista de nombres de columnas y pasarla como el índice del marco de datos agrupado. En su caso, por ejemplo:

columns = [''Y''+str(i) for year in range(1967, 2011)]

df.groupby(''Country'')[columns].agg(''sum'')