熊貓GROUPBY多個鍵選擇獨特的價值觀和轉化

Question

我有一個數據幀DF =

Owner  Manager  Date  Hours City 
John  Jerry  1/2/16  10 LA 
John  Jerry  1/2/16  10 SF 
Mary  Jerry  1/2/16  9  LA 
Zach  Joe   1/3/16  5  SD 
Wendy  Joe   1/3/16  4  SF 
Hal  Joe   1/4/16  2  SD 

... 100000項

我想通過「經理」和「日期」，然後組選擇'所有者'的唯一值並且選擇該'選擇'的總和'小時'，最後將總和轉換爲新的列'Hours_by_Manager'。

我所需的輸出是：

Owner  Manager  Date  Hours City Hours_by_Manager 
    John  Jerry  1/2/16  10 LA 19 
    John  Jerry  1/2/16  10 SF 19 
    Mary  Jerry  1/2/16  9  LA 19 
    Zach  Joe   1/3/16  5  SD 9 
    Wendy  Joe   1/3/16  4  SF 9 
    Hal  Joe   1/4/16  2  SD 2 

我試着用大熊貓「GROUPBY」是這樣的：

df['Hours_by_Manager']=df.groupby(['Manager','Date'])['Hours'].transform(lambda x: sum(x.unique())) 

它可以給我我想要的東西，但只是因爲時間值之間的不同'所有者'。我正在尋找的是這樣的： df['Hours_by_Manager']=df.groupby(['Manager','Date'])['Owner'].unique()['Hours']transform(lambda x: sum(x)) 這顯然不是句法正確的。我知道我可以使用循環，但我想保持矢量化。有什麼建議麼？

Answer 1

import pandas as pd 
df = pd.DataFrame({'City': ['LA', 'SF', 'LA', 'SD', 'SF', 'SD'], 
    'Date': ['1/2/16', '1/2/16', '1/2/16', '1/3/16', '1/3/16', '1/4/16'], 
    'Hours': [10, 10, 9, 5, 4, 2], 
    'Manager': ['Jerry', 'Jerry', 'Jerry', 'Joe', 'Joe', 'Joe'], 
    'Owner': ['John', 'John', 'Mary', 'Zach', 'Wendy', 'Hal']}) 

uniques = df.drop_duplicates(subset=['Hours','Owner','Date']) 
hours = uniques.groupby(['Manager', 'Date'])['Hours'].sum().reset_index() 
hours = hours.rename(columns={'Hours':'Hours_by_Manager'}) 
result = pd.merge(df, hours, how='left') 
print(result) 

產生

City Date Hours Manager Owner Hours_by_Manager 
0 LA 1/2/16  10 Jerry John    19 
1 SF 1/2/16  10 Jerry John    19 
2 LA 1/2/16  9 Jerry Mary    19 
3 SD 1/3/16  5  Joe Zach     9 
4 SF 1/3/16  4  Joe Wendy     9 
5 SD 1/4/16  2  Joe Hal     2 

---

說明：

的Owner在給定Date作品Hours一個唯一的編號。因此，讓我們首先創建的獨特['Hours','Owner','Date']行的表：

uniques = df.drop_duplicates(subset=['Hours','Owner','Date']) 
# alternatively, uniques = df.groupby(['Hours','Owner','Date']).first().reset_index() 
# City Date Hours Manager Owner 
# 0 LA 1/2/16  10 Jerry John 
# 2 LA 1/2/16  9 Jerry Mary 
# 3 SD 1/3/16  5  Joe Zach 
# 4 SF 1/3/16  4  Joe Wendy 
# 5 SD 1/4/16  2  Joe Hal 

現在我們可以通過['Manager', 'Date']組，總結了Hours：

hours = uniques.groupby(['Manager', 'Date'])['Hours'].sum().reset_index() 
    Manager Date Hours 
0 Jerry 1/2/16  19 
1  Joe 1/3/16  9 
2  Joe 1/4/16  2 

的hours['Hours']列包含我們希望在df['Hours_by_Manager']的值。

hours = hours.rename(columns={'Hours':'Hours_by_Manager'}) 

所以現在我們可以合併df和hours獲得期望的結果：

result = pd.merge(df, hours, how='left') 
# City Date Hours Manager Owner Hours_by_Manager 
# 0 LA 1/2/16  10 Jerry John    19 
# 1 SF 1/2/16  10 Jerry John    19 
# 2 LA 1/2/16  9 Jerry Mary    19 
# 3 SD 1/3/16  5  Joe Zach     9 
# 4 SF 1/3/16  4  Joe Wendy     9 
# 5 SD 1/4/16  2  Joe Hal     2