使用3列数据操作pandas数据帧

Question

我想不出一个办法来完成我的任务。我有一个包含3列的数据帧：length, reachcode, and year。

我的示例dataframe：

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

我试图找到一个年份内的“reachcode”重复项，然后对该年的“长度”求和。

之后，我想要比较不同年份的相同“reachcode”和“length”值的总和，并保留最小的值。

因此，在示例数据帧中，将1998年和reachcode = 1000的长度1.2和2.0相加，然后将该值(3.2)与1990和1993进行比较，并将值0.3和reachcode保留在新列表中。

我有一些使用Pandas的经验，但这是一项比我以前必须处理的更复杂的任务。我的真实数据帧大约有40,000行，因此找到一种自动化的方法来完成这项工作将非常有帮助。谢谢你的帮助。

Answer 1

听起来你需要一个双阶段的groupby。首先按year和reachcode分组，并计算和，重置索引，以便可以进一步按reachcode分组，取length的最小值

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聚合：

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