对 Pandas 中的数据进行分组和求和
在数据分析中，通常需要按特定标准聚合数据以获得有意义的见解。 Pandas 是一个强大的 Python 数据操作库，它提供了 groupby() 方法来根据一列或多列对数据进行分组。此方法可以与聚合函数（例如 sum()）结合使用，来计算每个组的聚合值。
按组计算值的总和
假设我们有一个包含个人水果消费信息的数据框。每行代表一次水果购买，包括水果类型、购买日期、顾客姓名、购买水果数量。
计算每个人购买的水果总数，按水果类型和顾客姓名分组，我们可以使用以下步骤：
第 1 步：对数据进行分组
首先，我们按两者对 DataFrame 进行分组使用 groupby() 方法的“Fruit”和“Name”列：
df_grouped = df.groupby(['Fruit', 'Name'])
这将创建一个 SeriesGroupBy 对象，它表示分组数据。
第 2 步：应用Sum 函数
为了计算每组购买的水果总数，我们将 sum() 函数应用于分组系列：
df_grouped_sum = df_grouped['Number'].sum()
生成的系列 df_grouped_sum 包含水果类型和客户名称的每个独特组合的水果购买总和。
示例
考虑以下因素DataFrame:
Fruit Date Name Number Apples 10/6/2016 Bob 7 Apples 10/6/2016 Bob 8 Apples 10/6/2016 Mike 9 Apples 10/7/2016 Steve 10 Apples 10/7/2016 Bob 1 Oranges 10/7/2016 Bob 2 Oranges 10/6/2016 Tom 15 Oranges 10/6/2016 Mike 57 Oranges 10/6/2016 Bob 65 Oranges 10/7/2016 Tony 1 Grapes 10/7/2016 Bob 1 Grapes 10/7/2016 Tom 87 Grapes 10/7/2016 Bob 22 Grapes 10/7/2016 Bob 12 Grapes 10/7/2016 Tony 15
对这个 DataFrame 应用 groupby() 和 sum() 操作，我们得到以下结果：
Number
Fruit Name
Apples Bob 16
Mike 9
Steve 10
Grapes Bob 35
Tom 87
Tony 15
Oranges Bob 67
Mike 57
Tom 15
Tony 1此输出显示了 购买的水果总数每个人，按水果类型细分。
以上是如何对 Pandas 中的数据进行分组和求和以计算客户和水果类型的总购买量？的详细内容。更多信息请关注PHP中文网其他相关文章！
