Объедините две последовательные строки в один, имеющий один и тот же уникальный ключ в python [duplicate]
Есть ли способ сделать это?
Если библиотеки npm можно использовать в качестве решения, object-merge-advanced от вас действительно позволяет объединить объекты глубоко и настроить / переопределить каждое действие слияния с помощью знакомой функции обратного вызова. Основная идея этого - не просто глубокое слияние - что происходит со значением, когда два ключа одинаковы ? Эта библиотека позаботится об этом - при столкновении двух клавиш
object-merge-advancedвесит типы, стремясь сохранить как можно больше данных после слияния:Ключ первого входного аргумента помечен # 1, второй аргумент - # 2. В зависимости от каждого типа один выбирается для значения ключа результата. В диаграмме «объект» означает простой объект (не массив и т. Д.).
Когда ключи не сталкиваются, все они вводят результат.
] Из вашего фрагмента примера, если вы использовали
object-merge-advancedдля объединения фрагмента кода:const mergeObj = require("object-merge-advanced"); const x = { a: { a: 1 } }; const y = { a: { b: 1 } }; const res = console.log(mergeObj(x, y)); // => res = { // a: { // a: 1, // b: 1 // } // }Этот алгоритм рекурсивно пересекает все ключи входных объектов, сравнивает и строит и возвращает новый объединенный результат.
7 ответов
использовать метод sum ()
df.groupby(['Fruit','Name']).sum()
Out[31]:
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
Вы можете использовать groupby и sum:
df.groupby(['Name', 'Fruit']).sum()
Number
Name Fruit
Bob Apples 16
Grapes 35
Oranges 67
Mike Apples 9
Oranges 57
Steve Apples 10
Tom Grapes 87
Oranges 15
Tony Grapes 15
Oranges 1
Оба других ответа выполняют то, что вы хотите.
Функцию pivot можно использовать для упорядочивания данных в таблице nice
df.groupby(['Fruit','Name'],as_index = False).sum().pivot('Fruit','Name').fillna(0)
Name Bob Mike Steve Tom Tony
Fruit
Apples 16.0 9.0 10.0 0.0 0.0
Grapes 35.0 0.0 0.0 87.0 15.0
Oranges 67.0 57.0 0.0 15.0 1.0
Если вы хотите сохранить исходные столбцы Fruit и Name, используйте reset_index(). В противном случае Fruit и Name станут частью индекса.
df.groupby(['Fruit','Name'])['Number'].sum().reset_index()
Fruit Name Number
Apples Bob 16
Apples Mike 9
Apples Steve 10
Grapes Bob 35
Grapes Tom 87
Grapes Tony 15
Oranges Bob 67
Oranges Mike 57
Oranges Tom 15
Oranges Tony 1
Как видно из других ответов:
df.groupby(['Fruit','Name'])['Number'].sum()
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
df.groupby(['Fruit','Name'])['Number'].sum()
Вы можете выбрать разные столбцы для суммирования чисел.
Также вы можете использовать функцию agg,
df.groupby(['Name', 'Fruit'])['Number'].agg('sum')
-
1– shahar_m 4 October 2018 в 10:02
Этот ответ только для понимания того, как работают groupby и sum.
Я использую набор данных «Дождь в Индии с 1900 по 2015 год»
В моем наборе данных есть столбцы типа «подразделение» »и« годовой ».
Итак, здесь я хотел бы рассчитать сумму годового количества осадков для каждого подразделения.
Total = Data.groupby('SUBDIVISION')['ANNUAL'].sum()
print (Total)
это то, как подразделение будет сгруппировано, и мы получим сумма годового количества осадков за подразделение.
Number? – Kingname 23 October 2017 в 12:32Dateтакже оставлен ... – Daniyal Shahrokhian 20 May 2018 в 06:11