带有Groupby的Python Pandas条件求和

Question

使用样本数据：

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

我试图弄清楚如何将数据按key1分组并仅对key1等于“ 1”的data1值求和。

这是我尝试过的

def f(d,a,b):

    d.ix[d[a] == b, 'data1'].sum()

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

但这给了我一个数值为“无”的数据框

index   key1    0

0       a       None

1       b       None

这里有什么想法吗？我正在寻找与以下SQL等效的Pandas：

SELECT Key1, SUM(CASE WHEN Key2 = 'one' then data1 else 0 end)

FROM df

GROUP BY key1

仅供参考-我见过有条件的熊猫总和， 但无法转换那里提供的答案来处理总和而不是计数。

Answer 1

我认为今天使用pandas 0.23可以做到这一点：import numpy as np df.assign(result = np.where(df['key2']=='one',df.data1,0))\   .groupby('key1').agg({'result':sum})这样做的好处是您可以将其应用于同一数据框的多个列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})