我有以下熊猫DataFrame。
import pandas as pd
df = pd.read_csv('filename.csv')
print(df)
code1 code2 code3 code4 value1 value2 value3 value4
0 101 101 101 101 1000 1000 1000 1000
1 101 101 101 201 1000 1000 1000 1000
2 101 101 201 201 1000 1000 1000 1000
3 101 201 201 201 1000 1000 1000 1000
4 101 201 201 301 1000 1000 1000 1000
5 101 201 301 301 1000 1000 1000 1000
6 101 301 301 301 1000 1000 1000 1000
7 101 101 101 301 1000 1000 1000 1000
8 101 201 301 0 1000 1000 1000 0
9 101 301 0 0 1000 1000 0 0
....
考虑到列代码（code1，code2，code3，code4），我需要创建一列来汇总列值（value1，value2，value3，value4），如下所示：
code1 code2 code3 code4 value1 value2 value3 value4 sum_code_101 sum_code_201 sum_code_301
0 101 101 101 101 1000 1000 1000 1000 4000 0 0
1 101 101 101 201 1000 1000 1000 1000 3000 1000 0
2 101 101 201 201 1000 1000 1000 1000 2000 2000 0
3 101 201 201 201 1000 1000 1000 1000 1000 3000 0
4 101 201 201 301 1000 1000 1000 1000 1000 2000 1000
5 101 201 301 301 1000 1000 1000 1000 1000 1000 2000
6 101 301 301 301 1000 1000 1000 1000 1000 0 3000
7 101 101 101 301 1000 1000 1000 1000 3000 0 1000
8 101 201 301 0 1000 1000 1000 0 1000 1000 1000
9 101 301 0 0 1000 1000 0 0 1000 0 1000
我试过了：
df['sum_code_101']=df[df['code1']=='101'],['value1']+df[df['code2']=='101'],['value2']+df[df['code3']=='101'],['value3']+df[df['code4']=='101'],['value4']
df['sum_code_201']=df[df['code1']=='201'],['value1']+df[df['code2']=='201'],['value2']+df[df['code3']=='201'],['value3']+df[df['code4']=='201'],['value4']
df['sum_code_301']=df[df['code1']=='301'],['value1']+df[df['code2']=='301'],['value2']+df[df['code3']=='301'],['value3']+df[df['code4']=='301'],['value4']
但是，我收到此错误消息：
TypeError: 'Series' objects are mutable, thus they cannot be hashed
由于实际数据帧具有25个不同的代码（101、201、301 ..），因此我需要创建25个列来求和它们的值。
谢谢大家的任何帮助，谢谢。。。
这是使用pandas apply方法的解决方案。当您可以使用列/行操作时，通常并不理想。但这有效。
import pandas as pd
data = {
'code1': ['101', '101', '101', '101', '101', '101'],
'code2': ['101', '101', '101', '201', '201', '201'],
'code3': ['101', '101', '101', '201', '201', '301'],
'code4': ['101', '201', '201', '201', '301', '301'],
'value1': [1000, 1000, 1000, 1000, 1000, 1000],
'value2': [1000, 1000, 1000, 1000, 1000, 1000],
'value3': [1000, 1000, 1000, 1000, 1000, 1000],
'value4': [1000, 1000, 1000, 1000, 1000, 1000]
}
df = pd.DataFrame(data)
def apply_to_row(row, value):
code_cols = ['code1', 'code2', 'code3', 'code4']
value_cols = ['value1', 'value2', 'value3', 'value4']
code_value_sum = 0
for code_col, value_col in zip(code_cols, value_cols):
if row[code_col] == value:
code_value_sum += row[value_col]
return code_value_sum
code_values = ['101', '201', '301'] # probably replace with a distinct value list of code columns
for code_value in code_values:
df['sum_code_' + str(code_value)] = df.apply(apply_to_row, value=code_value, axis=1)
结果如下：
code1 code2 code3 code4 value1 value2 value3 value4 sum_code_101 sum_code_201 sum_code_301
0 101 101 101 101 1000 1000 1000 1000 4000 0 0
1 101 101 101 201 1000 1000 1000 1000 3000 1000 0
2 101 101 101 201 1000 1000 1000 1000 3000 1000 0
3 101 201 201 201 1000 1000 1000 1000 1000 3000 0
4 101 201 201 301 1000 1000 1000 1000 1000 2000 1000
5 101 201 301 301 1000 1000 1000 1000 1000 1000 2000
谢谢！
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句