聚合大型熊猫数据框

Question

我有一个数据框，其中列出了 SystemID 以及在某些日期发生的某些类型和类别的警报数量：

df

                               SystemID         AlarmClass          AlarmType         Day  AlarmCount

0  95EE8B57-6BE9-4175-B901-B6B3BEE1844D            Service  Unexpected Status  06/08/2018           3

1  95EE8B57-6BE9-4175-B901-B6B3BEE1844D            Service  Unexpected Status  05/08/2018           2

2  95EE8B57-6BE9-4175-B901-B6B3BEE1844D            Service  Unexpected Status  06/08/2018           1

3  5F891F03-3114-4E62-9A7D-CD2A04061364            Service  Unexpected Status  04/08/2018           2

4  5F891F03-3114-4E62-9A7D-CD2A04061364            Service  Unexpected Status  04/08/2018           2

5  5F891F03-3114-4E62-9A7D-CD2A04061364  Event Log Monitor    Application Log  05/08/2018           2

我想通过对 SystemID 和 Day 进行分组并列出每种类型和类别的警报数量来汇总这些数据。上述数据框的结果如下所示：

                               SystemID         Day  AlarmClass-S  AlarmClass-ELM  AlarmType-US  AlarmType-AL

0  95EE8B57-6BE9-4175-B901-B6B3BEE1844D  06/08/2018             4               0             4             0

1  95EE8B57-6BE9-4175-B901-B6B3BEE1844D  05/08/2018             2               0             2             0

2  5F891F03-3114-4E62-9A7D-CD2A04061364  04/08/2018             4               0             4             0

3  5F891F03-3114-4E62-9A7D-CD2A04061364  05/08/2018             0               2             0             2

如何最有效地做到这一点？数据框有数百万条记录。

Answer 1

为了提高性能，您可以为每个 AlarmClass 和 AlarmType 旋转数据，然后连接结果。i = df.pivot_table(index=['SystemID', 'Day'],                    columns='AlarmClass',                    values='AlarmCount',                    aggfunc='sum',                    fill_value=0)j = df.pivot_table(index=['SystemID', 'Day'],                    columns='AlarmType',                    values='AlarmCount',                    aggfunc='sum',                    fill_value=0)i.columns = i.columns.map(lambda x: 'AlarmClass-' + ''.join(y[0] for y in x.split()))j.columns = j.columns.map(lambda x: 'AlarmType-' + ''.join(y[0] for y in x.split()))df = pd.concat([i, j], axis=1).reset_index()print(df)                               SystemID         Day  AlarmClass-ELM   \0  5F891F03-3114-4E62-9A7D-CD2A04061364  04/08/2018               0             1  5F891F03-3114-4E62-9A7D-CD2A04061364  05/08/2018               2             2  95EE8B57-6BE9-4175-B901-B6B3BEE1844D  05/08/2018               0             3  95EE8B57-6BE9-4175-B901-B6B3BEE1844D  06/08/2018               0             AlarmClass-S  AlarmType-AL  AlarmType-US           4             0             4           0             2             0           2             0             2           4             0             4