如何使用 Groupby().sum() 和 .transform() 在 Pandas DataFrame 中创建新列？

从 Pandas Groupby().sum() 的输出中创建新列

在 Python 中处理数据时，通常需要这样做执行计算并根据现有值在 DataFrame 中创建新列。在此示例中，我们希望创建一个新列 (Data4)，其中包含每个日期的 Data3 之和。

使用 .transform()

来实现为此，我们可以在分组的 Data3 列上使用 .transform() 方法。 .transform() 对每个组应用一个函数，并返回一个 Series，其索引与原始 DataFrame 对齐。这允许我们将计算值添加为新列。

df['Data4'] = df['Data3'].groupby(df['Date']).transform('sum')

在提供的示例 DataFrame 中：

import pandas as pd

df = pd.DataFrame({
    'Date': ['2015-05-08', '2015-05-07', '2015-05-06', '2015-05-05',
             '2015-05-08', '2015-05-07', '2015-05-06', '2015-05-05'],
    'Sym': ['aapl', 'aapl', 'aapl', 'aapl', 'aaww', 'aaww', 'aaww', 'aaww'],
    'Data2': [11, 8, 10, 15, 110, 60, 100, 40],
    'Data3': [5, 8, 6, 1, 50, 100, 60, 120]
})

使用 .transform()，我们计算 Data3 的总和每个日期并将其分配给新列 Data4：

df['Data4'] = df['Data3'].groupby(df['Date']).transform('sum')

生成的 DataFrame 将具有所需的 Data4专栏：

         Date   Sym  Data2  Data3  Data4
0  2015-05-08  aapl     11      5     55
1  2015-05-07  aapl      8      8    108
2  2015-05-06  aapl     10      6     66
3  2015-05-05  aapl     15      1    121
4  2015-05-08  aaww    110     50     55
5  2015-05-07  aaww     60    100    108
6  2015-05-06  aaww    100     60     66
7  2015-05-05  aaww     40    120    121

以上是如何使用 Groupby().sum() 和 .transform() 在 Pandas DataFrame 中创建新列？的详细内容。更多信息请关注PHP中文网其他相关文章！