如何按Pandas DataFrame中items列的首个元素分组求和？

原始数据 #

import pandas as pd 

df = pd.DataFrame({'items':[[101,102],[102,101],[102,103],
                            [101,103],[101,101],[102,102],
                            [103,103]],
                   'value':[12,13,11,15,17,8,19]})
print(df)

需求说明 #

按df['items']每行列表的首个元素分组，对value列求和：

• 首元素为101的行：value总和为12+15+17=44
• 首元素为102的行：value总和为13+11+8=32
• 首元素为103的行：value总和为19

错误代码分析 #

你写的df1 = df.groupby(df['items'][1]).agg({'value':sum})逻辑错误：df['items'][1]仅取了items列第二行的单个列表，并非提取每行列表的首元素作为分组依据，导致分组完全不符合需求。

正确解决方案 #

方案1：用lambda表达式直接提取首元素分组 #

在groupby中通过lambda函数直接获取每行列表的第一个元素：

df1 = df.groupby(lambda x: df['items'][x][0])['value'].sum().reset_index(name='total_value')
df1.rename(columns={'index': 'first_item'}, inplace=True)
print(df1)

方案2：新增首元素列后分组（可读性更强） #

先给DataFrame新增一列存储每行列表的首元素，再按该列分组求和：

# 新增首元素列
df['first_item'] = df['items'].apply(lambda x: x[0])
# 分组求和
df1 = df.groupby('first_item')['value'].sum().reset_index(name='total_value')
print(df1)

方案3：利用Pandas列表列的str索引（高版本支持） #

如果你的Pandas版本较新，可以直接用str[0]提取列表首元素：

df1 = df.groupby(df['items'].str[0])['value'].sum().reset_index(name='total_value')
df1.rename(columns={'items': 'first_item'}, inplace=True)
print(df1)

最终输出结果 #

三种方案都会得到如下结果：

first_item  total_value
0         101           44
1         102           32
2         103           19

内容的提问来源于stack exchange，提问作者DaCard