以列表形式按附加列分组的每个日期点数之和

Question

我想从熊猫的数据框架中获得一些技术的总和。可复制的例子：

data = pd.DataFrame(
        {'date': ['2017-01-31', '2017-02-28', '2017-02-28'],
        'tech': [['c++', 'python'], ['c++', 'c', 'java'], ['java']],
        'score': [1, 4, 2]}
        )

最终结果可能是这样的(或者有一行的名称和一个列，每个日期和技术都有计数)：

date        c++     python  c   java
2017-01-31  1       1       4   0
2017-02-28  4       0       4   6

点数(列score)应按日期和技术相加。按日期和技术分组的解决方案是不可能的，因为每一行都可以包含多种编程语言/框架。我编写了以下代码：

(pd.DataFrame({'tech': data[['tech']].values.tolist(),
               'score': data['score'].values,
               'date': data['date'].values}).groupby(['date','tech']))['score'].sum()

它会产生一个错误：

TypeError:无法理解的类型：“列表”

因此，我认为不可能按列表分组。我知道，上面给出的想法并不是按技术来分割数据，但是，我不知道如何使用列score (甚至多列)来实现这一点。

Answer 1

我们可以将原始数据转换为这种格式。

s=data.tech.str.len()
newdf=pd.DataFrame({'date':data.date.repeat(s),'score':data.score.repeat(s),'tech':np.concatenate(data.tech.values)})
newdf
Out[477]: 
         date  score    tech
0  2017-01-31      1     c++
0  2017-01-31      1  python
1  2017-02-28      4     c++
1  2017-02-28      4       c
1  2017-02-28      4    java
2  2017-02-28      2    java

然后，我们使用pivot_table

pd.pivot_table(newdf,index='date',columns='tech',values='score',aggfunc='sum',fill_value=0)
Out[476]: 
tech        c  c++  java  python
date                            
2017-01-31  0    1     0       1
2017-02-28  4    4     6       0

Answer 2

get_dummies和sum的魔法。

(data.tech
     .str.join(' ')
     .str.get_dummies(sep=' ')
     .mul(data.score.values, axis=0)
     .set_index(data.date)
     .sum(level=0)
)

            c  c++  java  python
date                            
2017-01-31  0    1     0       1
2017-02-28  4    4     6       0

只需确保语言名称本身不包含空格，否则需要将sep=' '从空格更改为其他(在任何语言名称中都找不到)。