如何用Pandas将中美日合并为group1后按日期、国家、类型分组求和？

需求说明 #

• 将美国（US）、中国（China）、日本（Japan）的energy值合并后标记为group1
• 最终按date、country、type分组对energy值求和

原始数据 #

date        country    type energy
8/1/2022    US         aa   10
8/1/2022    US         aa   11
8/1/2022    China      bb   50
8/1/2022    Japan      bb   20
10/1/2022   Australia  bb   5

当前代码问题 #

现有代码仅能完成常规分组求和，但无法提前将指定国家合并为group1：

df.groupby(['country','date', 'type'], as_index=False).agg({'energy': sum})

解决方案 #

先对country列进行替换处理，再执行分组求和：

步骤1：替换指定国家为group1 #

可以用两种方式实现替换：

方式一：使用numpy.where

import numpy as np
import pandas as pd

# 将目标国家统一替换为group1，其余国家保持不变
df['country'] = np.where(df['country'].isin(['US', 'China', 'Japan']), 'group1', df['country'])

方式二：使用pandas.replace

# 逐个映射目标国家到group1
df['country'] = df['country'].replace({'US': 'group1', 'China': 'group1', 'Japan': 'group1'})

步骤2：执行分组求和 #

替换完成后，按date、country、type的顺序分组求和：

result = df.groupby(['date', 'country', 'type'], as_index=False).agg({'energy': 'sum'})

最终结果 #

date        country   type  energy
8/1/2022    group1    aa    21
8/1/2022    group1    bb    70
10/1/2022   Australia bb    5

内容的提问来源于stack exchange，提问作者Lynn