Python Pandas Условная сумма с Groupby

Использование данных образца:

df = pd.DataFrame({'key1' : ['a','a','b','b','a'],
               'key2' : ['one', 'two', 'one', 'two', 'one'],
               'data1' : np.random.randn(5),
               'data2' : np. random.randn(5)})

DF

    data1        data2     key1  key2
0    0.361601    0.375297    a   one
1    0.069889    0.809772    a   two
2    1.468194    0.272929    b   one
3   -1.138458    0.865060    b   two
4   -0.268210    1.250340    a   one

Я пытаюсь понять, как группировать данные по key1 и суммировать только значения data1, где key2 равно "одному".

Вот что я пробовал

def f(d,a,b):
    d.ix[d[a] == b, 'data1'].sum()

df.groupby(['key1']).apply(f, a = 'key2', b = 'one').reset_index()

Но это дает мне фреймворк с значениями "Нет" 

index   key1    0
0       a       None
1       b       None

Любые идеи здесь? Я ищу эквивалент Pandas следующего SQL:

SELECT Key1, SUM(CASE WHEN Key2 = 'one' then data1 else 0 end)
FROM df
GROUP BY key1

FYI - Я видел условные суммы для агрегата Pandas, но не смог преобразовать ответ, предоставленный там для работы с суммами, а не с подсчетом.

Заранее спасибо

Ответы

Ответ 1

Первая группа в столбце key1:

In [11]: g = df.groupby('key1')

а затем для каждой группы возьмите subDataFrame, где key2 равно "одному" и суммирует столбец data1:

In [12]: g.apply(lambda x: x[x['key2'] == 'one']['data1'].sum())
Out[12]:
key1
a       0.093391
b       1.468194
dtype: float64

Чтобы объяснить, что происходит, взгляните на группу "a":

In [21]: a = g.get_group('a')

In [22]: a
Out[22]:
      data1     data2 key1 key2
0  0.361601  0.375297    a  one
1  0.069889  0.809772    a  two
4 -0.268210  1.250340    a  one

In [23]: a[a['key2'] == 'one']
Out[23]:
      data1     data2 key1 key2
0  0.361601  0.375297    a  one
4 -0.268210  1.250340    a  one

In [24]: a[a['key2'] == 'one']['data1']
Out[24]:
0    0.361601
4   -0.268210
Name: data1, dtype: float64

In [25]: a[a['key2'] == 'one']['data1'].sum()
Out[25]: 0.093391000000000002

Это может быть несколько проще/яснее сделать это, ограничив рамку данных только теми, у кого ключ2 равен первой:

In [31]: df1 = df[df['key2'] == 'one']

In [32]: df1
Out[32]:
      data1     data2 key1 key2
0  0.361601  0.375297    a  one
2  1.468194  0.272929    b  one
4 -0.268210  1.250340    a  one

In [33]: df1.groupby('key1')['data1'].sum()
Out[33]:
key1
a       0.093391
b       1.468194
Name: data1, dtype: float64

Ответ 2

Я думаю, что сегодня с пандами 0.23 вы можете сделать это:

import numpy as np

 df.assign(result = np.where(df['key2']=='one',df.data1,0))\
   .groupby('key1').agg({'result':sum})

Преимущество этого заключается в том, что вы можете применить его к нескольким столбцам одного и того же кадра данных.

df.assign(
 result1 = np.where(df['key2']=='one',df.data1,0),
 result2 = np.where(df['key2']=='two',df.data1,0)
  ).groupby('key1').agg({'result1':sum, 'result2':sum})

Ответ 3

Вы можете отфильтровать ваш фрейм данных, прежде чем выполнять groupby операции. Если это уменьшает индекс ряда из-за того, что все значения находятся вне области видимости, вы можете использовать reindex с fillna:

res = df.loc[df['key2'].eq('one')]\
        .groupby('key1')['data1'].sum()\
        .reindex(df['key1'].unique()).fillna(0)

print(res)

key1
a    3.631610
b    0.978738
c    0.000000
Name: data1, dtype: float64

Настроить

Я добавил дополнительную строку для демонстрационных целей.

np.random.seed(0)

df = pd.DataFrame({'key1': ['a','a','b','b','a','c'],
                   'key2': ['one', 'two', 'one', 'two', 'one', 'two'],
                   'data1': np.random.randn(6),
                   'data2': np.random.randn(6)})