在pandas中如何每隔n行分组并求和但保持原始结构

 在pandas中如何每隔n行分组并求和但保持原始结构 - 问答 - 腾讯云开发者社区-腾讯云

我有一个这样的df：

d = pd.DataFrame(list(zip(list(range(1,10)), list(range(11,20)))), columns=['a', 'b'])
print(d)



  a   b
0  1  11
1  2  12
2  3  13
3  4  14
4  5  15
5  6  16
6  7  17
7  8  18
8  9  19

复制

我想在b列中每隔3行分组一次，并得到总和。但是，我不想将df折叠为groupby索引。我想保留原来的a列，但我想用该行所属组的和值替换b列，如下所示：

d_ = pd.DataFrame(list(zip(list(range(1,10)), [36, 36, 36, 45, 45, 45, 54, 54, 54])), columns=['a', 'b'])
print(d_)


   a   b
0  1  36
1  2  36
2  3  36
3  4  45
4  5  45
5  6  45
6  7  54
7  8  54
8  9  54

复制

我该怎么做呢？

原文

关注

分享

反馈

connor449提问于2020-12-02 08:07

5 个回答

高票数最新

wwnde

回答于2020-12-02 08:21已采纳

得票数 2

d=d.assign(b=d.groupby(d.index//3)['b'].transform('sum'))



  a   b
0  1  36
1  2  36
2  3  36
3  4  45
4  5  45
5  6  45
6  7  54
7  8  54
8  9  54

复制

收藏0

评论0

分享

反馈

原文

Alexander

修改于2020-12-02 08:26

得票数 1

如果索引是一个简单的范围，您可以在索引上使用整数除法以三的倍数进行分组，例如d.index // 3。对于适用于任何索引的更一般的解决方案，请对范围进行分组，而不是使用列表理解，例如[n // 3 for n in range(len(d))]。然后将列b分配给transformed sum。

>>> d.assign(b=d.groupby([n // 3 for n in range(len(d))])['b'].transform(np.sum))
   a   b
0  1  36
1  2  36
2  3  36
3  4  45
4  5  45
5  6  45
6  7  54
7  8  54
8  9  54

复制

收藏0

评论0

分享

反馈

原文

piterbarg

回答于2020-12-02 08:19

得票数 1

试试这个

(d.groupby((d['a']-1)//3)
    .apply(lambda df: df.assign(b=df['b'].sum()))
    .reset_index(drop = True)
    )

复制

产生

    a   b
0   1   36
1   2   36
2   3   36
3   4   45
4   5   45
5   6   45
6   7   54
7   8   54
8   9   54

复制

在这里，我们通过3s进行groupby ( by列表看起来像[0,0,0,1,1,1,2,2,2,...])，然后我们将函数.assign(b=df['b'].sum())应用于每个子组，该函数用该子组中'b‘值的总和替换'b’列

收藏0

评论0

分享

反馈

原文

Zero

回答于2020-12-02 08:18

得票数 1

像这样使用transform

In [5]: d.groupby(d.index // 3).transform('sum')
Out[5]: 
    a   b
0   6  36
1   6  36
2   6  36
3  15  45
4  15  45
5  15  45
6  24  54
7  24  54
8  24  54

复制

收藏0

评论0

分享

反馈

原文

sammywemmy

回答于2020-12-02 08:31

得票数 0

前面的解决方案将解决这个问题；这是针对一般情况，如果索引不是数字和单调的：

当在groupby中使用grouper时，无论索引的内容如何，它都会确保每3行进行一次配对。

grouper = np.repeat([0, 1, 2], len(d) // 3)

d.assign(b=d.groupby(grouper).b.transform("sum"))

    a   b
0   1   36
1   2   36
2   3   36
3   4   45
4   5   45
5   6   45
6   7   54
7   8   54
8   9   54

复制

收藏0

评论0

分享

反馈

原文

页面原文内容由connor449、Zero、piterbarg、Alexander、wwnde、sammywemmy提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：https://stackoverflow.com/questions/65100396复制