我在熊猫中有以下数据框

  Date          Time   Tank       Sales       Quantity        Delivery
  2018-01-01    06:30  1          100         3444            0
  2018-01-01    07:00  1          200         3144            0
  2018-01-01    05:30  1          100         2900            0
  2018-01-01    07:30  1          200         2800            0
  2018-01-01    06:30  2          50          3000            0
  2018-01-01    07:00  2          100         2950            0
  2018-01-01    05:30  2          150         2800            0
  2018-01-01    07:30  2          100         2704            0
  2018-01-02    06:30  1          100         3444            0
  2018-01-02    07:00  1          200         3144            0
  2018-01-02    05:30  1          100         2900            50
  2018-01-02    07:30  1          200         2800            0
  2018-01-02    06:30  2          50          3000            0
  2018-01-02    07:00  2          100         2950            0
  2018-01-02    05:30  2          150         2800            50
  2018-01-02    07:30  2          100         2704            0


我想汇总某一天和某个储罐级别,以获取该天的第一个和最后一个数量(按升序排列时间)以及销售和交货总和。我想要的数据框是

  Date          Tank    Open    Close   Sales    Delivery
  2018-01-01    1       2900    2800    600      0
  2018-01-01    2       2800    2704    400      0
  2018-01-02    1       2900    2800    600      50
  2018-01-02    2       2800    2704    500      50


目前,我正在熊猫追随

这是为了获得升序的第一个和最后一个数量天和水箱高度的安排时间。

  data_open_close_inv = data.sort_values(['Date','Tank','Time']).groupby(['Date','Tank'])['Quantity'].agg(['first','last']).reset_index()


然后,我将其汇总为销售和交付总额

data_agg = data.groupby(['Date','Tank'], as_index = False).agg({'Sales':['sum'],'Delivery':['sum']}).reset_index()


然后再次结合两者。

我可以一步一步做大熊猫吗?

最佳答案

您可以传递一个带有标量函数名称的字典,也可以列出,但是必须将MultiIndex和rename列展平:

data_open_close_inv = (data.sort_values(['Date','Tank','Time'])
                           .groupby(['Date','Tank'])
                           .agg({'Sales':'sum','Delivery':'sum', 'Quantity':['first','last']})
                           .reset_index())

data_open_close_inv.columns = data_open_close_inv.columns.map(''.join)
d = {'Salessum':'Sales',
     'Delivery_sum':'Delivery',
     'Quantityfirst':'Open',
     'Quantitylast':'Close',
     }
data_open_close_inv = data_open_close_inv.rename(columns=d)
print (data_open_close_inv)
        Date  Tank  Sales  Deliverysum  Open  Close
0 2018-01-01     1    600            0  2900   2800
1 2018-01-01     2    400            0  2800   2704
2 2018-01-02     1    600           50  2900   2800
3 2018-01-02     2    400           50  2800   2704

关于python - 如何分组并在 Pandas 中合并,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/53700824/

10-11 05:06