在pandas中使用Groupby和sum进行重复操作

Question

一段时间以来，我一直在尝试解决以下问题。希望有人能帮帮我。我试着总结不同地区的数字(例如出生人数)。如下表所示，我有一个数据集，其中作为示例，区域1和区域2在融合的area4中聚在一起。Area3不受影响。

import pandas as pd
data1  = { 
"OldArea" : ['area1','area2','area3'],
"numbercount" : [10,20,5],
"FusedIntoArea" : ['area4','area4','area3']
}
frame1 = pd.DataFrame(data1, columns=['OldArea', 'FusedIntoArea', 'numbercount'])
frame1

我想将area1和area2 (10 + 20)的数字加到区域4 (30)中。area3的数字计数保持不变(5)。这是通过使用groupby和sum获得一个pd.series series1来实现的，如下所示。

series1 = frame1.groupby(['FusedIntoArea'])['numbercount'].sum()
series1

问题是，我想在几年内将这个groupby和sum操作扩展到几个区域的融合。这些区域的扩展融合数据显示在frame3中。Area1和area2融合成了area4 (就像以前一样)，但现在有了更多:在那之后的一年里，area4和area3融合成了area5，而area6多年来保持不变。融合数据的格式类似于下面frame2中的格式：

data2 = {
'year0' : ['area1', 'area2', 'area3', 'area6'],
'year1' : ['area4', 'area4', 'area3', 'area6'],
'year2' : ['area5', 'area5', 'area5', 'area6']
}
frame2 = pd.DataFrame(data2, columns = ['year0', 'year1', 'year2'])
frame2

现在，数字计数的数据(例如，融合前或融合后的出生)在一个单独的框架中，frame3。

data3  = { 
"area" : ['area1', 'area2','area3', 'area4', 'area5', 'area6'],
"numbercount" : [10,20,5,35, 15,25],
}
frame3 = pd.DataFrame(data3, columns=['area', 'numbercount'])
frame3

我试图得到的结果是新形成的areas5的总数(TotalNumber) (融合后为1+2+3+4+5)和6(多年未变)，如frame4中所示。任何帮助都是非常感谢的。我应该使用连接或合并操作吗？提前谢谢。

data4  = { 
    "OldAreas" :[1,2,3,4,5,6],
    "NewArea" : ['area5','area5','area5','area5','area5','area6'],
    "TotalNumber" : [85,85,85,85,85, 25]
}
frame4 = pd.DataFrame(data4, columns=['NewArea', 'TotalNumber'])
frame4

Answer 1

您可以使用字典来映射现有数据。

首先创建一个字典，告诉你它在哪个区域融合的每个区域：

areas_to_fuse = dict(zip(frame2.year0.values, frame2.year2.values))
areas_to_fuse = {**areas_to_fuse,**dict(zip(frame2.year1.values, frame2.year2.values))}


{'area1': 'area5',
 'area2': 'area5',
 'area3': 'area5',
 'area4': 'area5',
 'area6': 'area6'}

完成此操作后，您可以通过在frame3['area']上使用replace来创建NewArea列(请注意，replace允许保留字典的键中没有的值，如果您喜欢缺少值，请使用map)

frame3['NewArea'] = frame3.area.replace(areas_to_fuse)

然后，您可以为值对应的每个区域创建第二个字典编码，并将其映射到列NewArea

newvalues = frame3.groupby('NewArea').numbercount.sum().to_dict()
frame3['TotalNumber'] = frame3.NewArea.map(newvalues)
frame3[['NewArea','TotalNumber']]

    NewArea     TotalNumber
0   area5       85
1   area5       85
2   area5       85
3   area5       85
4   area5       85
5   area6       25