时间戳

首页 > 解决方案 > Groupby Yearly Crop Sequences 以检索英亩数和总和

python - Groupby Yearly Crop Sequences 以检索英亩数和总和

问题描述

对熊猫仍然很陌生，但渴望学习。我有大约 8000 个农田的作物序列，描述了每年出现的作物。我也有所有年份数据中观察到的每种可能作物的主作物清单。

对于每个'CropSeq [YR]'，我想获得独特作物的频率，然后确定与独特作物类型相关的总面积（'Acres'的总和）。

作物序列数据的虚拟示例：

FieldID   Acres    CropSeq04    CropSeq05   CropSeq06
1          20        Barley      Alfalfa      Rye
2          30        Barley        Rye        Rye
3          45       Lettuce      Alfalfa     Beets
4          10         Hay        Alfalfa      Rye
5          15       Alfalfa       Beets      Beets

我设想的输出将是：

Crops04 Freq04  Acre04    Crops05   Freq05  Acre05    Crops06   Freq06  Acre06
Alfalfa   1       15      Alfalfa     3       75      Beets       2      60
Barley    2       50      Beets       1       15      Rye         3      60
Hay       1       10      Rye         1       30            
Lettuce   1       45

有了每种作物类型的英亩数和总和，我想将这些值添加到我的“主”序列列表中，确保行值匹配。预计 NA 值或空白是因为每年并不总是包含所有可能的作物类型。主序列列表示例：

MasterCropList  |  Crops04  Freq04  Acre04  |  Crops05  Freq05  Acre05  |  Crops06  Freq06  Acre06
Alfalfa         |  Alfalfa    1       15    |  Alfalfa    3       75    |       
Barley          |  Barley     2       50    |                           |
Beets           |                           |  Beets      1       15    |  Beets      2      60
Hay             |  Hay        1       10    |                           |
Rye             |                           |  Rye        1       30    |  Rye        3      60
Lettuce         |  Lettuce    1       45    |                           |

我已经能够获得独特作物的频率，并单独总结特定作物类型一年的英亩数。然而，同时做这两件事让我感到困惑。

对英亩进行汇总和排序的示例：

# Sums Acres per crop sequence
year04 = cropdf.groupby('Crop04', as_index=False)['Acres'].sum()
year04.sort_values(by=['Acres'], ascending=False)

我将继续探索如何将结果与基于共享值的主作物列表相结合。

标签： pythonpandas

解决方案

利用：

new_df= ( 
       pd.concat([( group.add_suffix(i[-2:])
                         .rename(columns={'Crops':i})
                         .reset_index(drop=True) )

        for i,group in ( df.melt(['FieldID','Acres'],
                                 var_name='Seq',
                                 value_name='Crops')

                           .groupby(['Seq','Crops'])
                           .Acres
                           .agg(Freq='size',Acre='sum')
                           .unstack('Seq')
                           .reindex(index=df_master['MasterCropList']) 
                           .stack(dropna=False)
                           .swaplevel()
                           .sort_index()
                           .rename_axis(index=['Seq','Crops'])
                           .reset_index('Crops')
                           .assign(Crops=lambda x: x.Crops.where(x.Freq.notnull()))
                           .groupby(level=0) )],axis=1,sort=True)
)
df_master=( pd.concat([df_master.sort_values('MasterCropList')
                              .reset_index(drop=True),new_df],axis=1)
              .fillna('') )
print(df_master)

输出

  MasterCropList  Crops04 Freq04 Acre04  Crops05 Freq05 Acre05 Crops06 Freq06  \
0        Alfalfa  Alfalfa      1     15  Alfalfa      3     75                  
1         Barley   Barley      2     50                                         
2          Beets                           Beets      1     15   Beets      2   
3            Hay      Hay      1     10                                         
4        Lettuce  Lettuce      1     45                                         
5            Rye                             Rye      1     30     Rye      3   

  Acre06  
0         
1         
2     60  
3         
4         
5     60

初始 df_master

print(df_master)
  MasterCropList
0        Alfalfa
1         Barley
2          Beets
3            Hay
4            Rye
5        Lettuce

  • 如果所有MasterCropList值都在至少一列中，df1 则reindex没有必要，rename_axis也不是。

  • 请记住，此解决方案非常灵活，适用于许多 CropSeq 列。请注意，如果列数超过值 99，则必须修改：.add_suffix(i[-n:]。

推荐阅读