Python pandas中按重复实体分组对DataFrame数值字段求和
按Entity聚合数值的实现方法
直接使用pandas原生的groupby()分组聚合能力即可满足需求,逻辑是先按Entity字段拆分全量数据,再对每个分组内的people_vaccinated列做求和计算,所有重复Entity的记录都会自动合并为单条聚合结果。
基础求和实现
# 按Entity分组,对people_vaccinated列执行求和 agg_df = df.groupby("Entity", as_index=False)["people_vaccinated"].sum()
- 传入
as_index=False是为了避免将分组列Entity转为DataFrame索引,输出结果保持常规二维表结构 - 针对示例中的Alabama分组,聚合后对应的总接种人数为同组所有日期数值的累加值:70861 + 74792 + 80480 + 86956 + 114319 = 427408
扩展:同步保留同组固定字段
如果聚合结果需要保留同一Entity对应的其他固定属性(比如示例中的Code字段,同一Entity下该值完全一致),可以使用多规则聚合写法:
agg_df = df.groupby("Entity", as_index=False).agg( Code=("Code", "first"), # 提取同组内首个非空的Code值 people_vaccinated=("people_vaccinated", "sum"), # 如需衍生统计可补充对应规则,例如: # earliest_date=("Date", "min") # 取该Entity最早的接种记录日期 )
规则说明
- 聚合时会自动跳过
people_vaccinated列的空值,符合pandas默认数值聚合的处理逻辑,不会影响最终求和结果 - 原始数据中的
Date列属于时间维度字段,同一Entity下存在多条不同日期的记录,不建议直接带入聚合流程,如需衍生时间统计项可在agg()方法中单独定义规则
内容的提问来源于stack exchange,提问作者Devendra Garg
相关产品推荐
相关产品推荐

