使用3列数据操作熊猫数据框

Question

我有麻烦想出一种方法来完成我的任务。我有一个3列的数据框：length, reachcode, and year。

我的例子据帧：

year reachcode length 
1988 1000  1.2 
1988 1000  2.0 
1990 1000  0.3 
1993 1000  0.5 

我试图找到一个单一的一年内“reachcode”重复再总结“长度”为一年。

之后，我想比较不同年份的“长度”值和相同的'reachcode'并保持最小值。

因此，在示例数据框中，长度为1.2和2.0的总和为1998年和reachcode = 1000，然后将该值（3.2）与1990年和1993年进行比较，值为0.3，并将码保留在新的名单。

我对大熊猫有一些经验，但这是一个比以前更复杂的任务。我真正的数据框大约有40,000行，因此找到一个自动化的方法来做到这一点非常有帮助。谢谢你的帮助。

Answer 1

这听起来像你需要一个双阶段groupby。首先GROUPBY year和reachcode并计算总和，重新索引，使您可以GROUPBY reachcode进一步采取length最小：

df.groupby(['year', 'reachcode']).sum().reset_index().groupby('reachcode')['length'].min() 

# reachcode 
#  1000 0.3 
# Name: length, dtype: float64 

Answer 2

只需运行groupby聚集：

df['lengthsum'] = df.groupby(['year', 'reachcode'])['length'].transform(sum) 

df['lengthmin'] = df.groupby(['reachcode'])['lengthsum'].transform(min) 

# year reachcode length lengthsum lengthmin 
# 0 1988  1000  1.2  3.2  0.3 
# 1 1988  1000  2.0  3.2  0.3 
# 2 1990  1000  0.3  0.3  0.3 
# 3 1993  1000  0.5  0.5  0.3