时间戳

首页 > 解决方案 > 如何在熊猫中分组和聚合动态列

python - 如何在熊猫中分组和聚合动态列

问题描述

我在熊猫中有以下数据框

code    tank     nozzle_1   nozzle_2    nozzle_var    nozzle_sale
123     1        1          1           10            10
123     1        2          2           12            10
123     2        1          1           10            10
123     2        2          2           12            10
123     1        1          1           10            10
123     2        2          2           12            10

现在，我想生成在 tank 上分组的所有列的累积总和，并取出最后一次观察。喷嘴_1 和喷嘴_2 列是动态的，它可能是喷嘴_3，喷嘴_4 ....喷嘴_n 等。我在熊猫中进行以下操作以获取cumsum

## Below code for calculating cumsum of dynamic columns nozzle_1 and nozzle_2
cols= df.columns[df.columns.str.contains(pat='nozzle_\d+$', regex=True)] 
df.assign(**df.groupby('tank')[cols].agg(['cumsum'])\
          .pipe(lambda x: x.set_axis(x.columns.map('_'.join), axis=1, inplace=False)))
## nozzle_sale_cumsum is static column
df[nozzle_sale_cumsum] = df.groupby('tank')['nozzle_sale'].cumsum()

从上面的代码中，我将获得以下列的 cumsum

  tank  nozzle_1  nozzle_2  nozzle_var  nozzle_1_cumsum  nozzle_2_cumsum   nozzle_sale_cumsum
  1         1         1          10                1                1      10
  1         2         2          12                3                3      20
  2         1         1          10                1                1      10
  2         2         2          12                3                3      20
  1         1         1          10                4                4      30
  2         2         2          12                5                5      30

现在，我想获取所有 3 个 cumsum 列的最后一个值，这些列分组在 tank 上。我可以用 pandas 中的以下代码来做到这一点，但它是用列名硬编码的。

 final_df= df.groupby('tank').agg({'nozzle_1_cumsum':'last',
                                   'nozzle_2_cumsum':'last',
                                   'nozzle_sale_cumsum':'last',
                                   }).reset_index()

上面代码的问题是喷嘴_1_cumsum，而喷嘴_2_cumsum 是硬编码的，事实并非如此。如何在带有动态列的熊猫中做到这一点。

标签： pythonpandas

解决方案

怎么样：

df.filter(regex='_cumsum').groupby(df['tank']).last()

输出：

      nozzle_1_cumsum  nozzle_2_cumsum  nozzle_sale_cumsum
tank                                                      
1                   4                4                  30
2                   5                5                  30

您也可以替换df.filter(...)为，例如，df.iloc[:,-3:]或df[col_names]。

推荐阅读