根据其他两列中的唯一值，在dataframe中计算特定和，并写入新列。

Question

我有一个3列的日期框架，包括一些重复的行：

dict1 = {'experiment': ['A', 'B', 'B', 'C', 'C', 'C', 'C'], 'run': ['A-1', 'B-1', 'B-2', 'C-1', 'C-1', 'C-2', 'C-2'], 'data': [6, 5, 5, 4, 4, 4, 4]}
df1 = pd.DataFrame(data=dict1)
print(df1)

  experiment  run  data
0          A  A-1     6
1          B  B-1     5
2          B  B-2     5
3          C  C-1     4
4          C  C-1     4
5          C  C-2     4
6          C  C-2     4

我试图为每一行创建一个新列，该列包含该实验唯一运行的列‘数据’的总和。重复的行应该保持原样。所以我的预期结果是：

  experiment  run  data  exp-sum
0          A  A-1     6        6
1          B  B-1     5       10
2          B  B-2     5       10
3          C  C-1     4        8
4          C  C-1     4        8
5          C  C-2     4        8
6          C  C-2     4        8

我尝试将.groupby和.unique结合起来，但到目前为止，我只得到正确的每次运行和，这需要进一步总结(每次实验)，然后写入原始的df。

print(df1.groupby('run')['data'].unique())

run
A-1    [6]
B-1    [5]
B-2    [5]
C-1    [4]
C-2    [4]

任何输入都非常欢迎！

Answer 1

您可以创建一个独特的实验运行地图作为键和数据之和作为值。然后使用Series.map映射要实验的值，

mapper = df1.drop_duplicates('run').groupby('experiment')['data'].sum()

print(mapper)

experiment
A     6
B    10
C     8

df1['exp-sum'] = df1['experiment'].map(mapper)

print(df1)

    experiment  run   data  exp-sum
0   A           A-1   6     6
1   B           B-1   5     10
2   B           B-2   5     10
3   C           C-1   4     8
4   C           C-1   4     8
5   C           C-2   4     8
6   C           C-2   4     8

Answer 2

如果我的目标是正确的，下面的代码应该可以完成这项工作。

1. 获得独一无二的实验

unique = df.drop_duplicates(subset=['experiment', 'run'], keep='first')

1. 得到每个唯一实验

的数据和

sums = pd.DataFrame( unique.groupby('experiment').data.sum() ).reset_index(drop=False)

1. 通过联接

向原始df添加新的计算列。

df = df.merge( sums, on=['experiment'], how='inner' )

Answer 3

另一种解决方案，使用.pivot_table

df1 = df1.set_index("experiment")
x = df1.pivot_table(
    index=pd.Grouper(level=0),
    columns="run",
    values="data",
    aggfunc=lambda x: x.unique().sum(),
).sum(axis=1)
df1["exp-sum"] = x
print(df1.reset_index())

指纹：

  experiment  run  data  exp-sum
0          A  A-1     6      6.0
1          B  B-1     5     10.0
2          B  B-2     5     10.0
3          C  C-1     4      8.0
4          C  C-1     4      8.0
5          C  C-2     4      8.0
6          C  C-2     4      8.0