循环组Pandas Dataframe并获取总数/计数

Question

我正在使用Pandas来构造和处理数据。 这是我的数据框：

这是使我能够得到这个数据帧代码：

(data[['time_bucket', 'beginning_time', 'bitrate', 2, 3]].groupby(['time_bucket', 'beginning_time', 2, 3])).aggregate(np.mean) 

现在我想有总和（理想情况下，总和与计数）我的'比特率'分组在同一个time_bucket中。例如，对于第一个time_bucket（（2016-07-08 02:00:00，2016-07-08 02:05:00）），所有情况下的“比特率”必须为93750000，总数为25，计数为25， 。

我这样做：

data[['time_bucket', 'bitrate']].groupby(['time_bucket']).agg(['sum', 'count']) 

这是结果：

但我真的希望有一个数据帧我的所有数据

我可以。做一个简单的l超过'time_bucket'并应用计算所有比特率之和的函数？ 任何想法？谢谢 ！

Answer 1

我认为你需要merge，但需要DataFrames的indexes相同的水平，所以使用reset_index。最后得到原Multiindex通过set_index：

data = pd.DataFrame({'A':[1,1,1,1,1,1], 
        'B':[4,4,4,5,5,5], 
        'C':[3,3,3,1,1,1], 
        'D':[1,3,1,3,1,3], 
        'E':[5,3,6,5,7,1]}) 

print (data) 
    A B C D E 
0 1 4 3 1 5 
1 1 4 3 3 3 
2 1 4 3 1 6 
3 1 5 1 3 5 
4 1 5 1 1 7 
5 1 5 1 3 1 

df1 = data[['A', 'B', 'C', 'D','E']].groupby(['A', 'B', 'C', 'D']).aggregate(np.mean) 
print (df1) 
      E 
A B C D  
1 4 3 1 5.5 
     3 3.0 
    5 1 1 7.0 
     3 3.0 

df2 = data[['A', 'C']].groupby(['A'])['C'].agg(['sum', 'count']) 
print (df2) 
    sum count 
A    
1 12  6 

print (pd.merge(df1.reset_index(['B','C','D']), df2, left_index=True, right_index=True) 
     .set_index(['B','C','D'], append=True)) 

      E sum count 
A B C D     
1 4 3 1 5.5 12  6 
     3 3.0 12  6 
    5 1 1 7.0 12  6 
     3 3.0 12  6 

我尝试另一种解决方案，从df1得到输出，但这种聚集所以不可能得到正确的数据。如果总和水平为C，则会得到8而不是12。