熊猫GROUPBY和选择顺序

Question

说我有一个3列的数据帧：

Criteria Group Value 
0 A  0  0.1 
1 B  0  0.2 
2 B  1  0.3 
3 B  1  0.4 
4 A  2  0.5 

我要计算每个组的Values的项目，其中Criteria == A（或这可能是在条件比较复杂的总和Criteria栏）。到目前为止，我有：

df[df.Criteria == 'A'].groupby(df.Group).Value.sum() 

但这并不包括没有匹配的项目组，即我得到：

Group 
0 0.1 
2 0.5 

，而我想：

Group 
0 0.1 
1 0 
2 0.5 

我试着反转groupby和选择器（在过滤之前对其进行分组），但无法确定正确的语法。

我知道我可以把我所拥有的“重新插入”一个0价值的遗漏群体，但这似乎有点凌乱，所以我想知道是否有一个更清洁/更简单的方法来做到这一点与熊猫？

Answer 1

我想你需要pivot_table：

print pd.pivot_table(df, 
        index='Group', 
        columns='Criteria', 
        values='Value', 
        aggfunc=sum, 
        fill_value='0') 

Criteria A B 
Group    
0   0.1 0.2 
1   0 0.7 
2   0.5 0 

的 DataFrame

更好的格式与rename_axis（新中pandas0.18.0）和reset_index：

print pd.pivot_table(df, 
        index='Group', 
        columns='Criteria', 
        values='Value', 
        aggfunc=sum, 
        fill_value='0').rename_axis(None, axis=1).reset_index() 

    Group A B 
0  0 0.1 0.2 
1  1 0 0.7 
2  2 0.5 0 

如果您需要选择只列A：

print pd.pivot_table(df, 
        index='Group', 
        columns='Criteria', 
        values='Value', 
        aggfunc=sum, 
        fill_value='0').rename_axis(None, axis=1).A 

Group 
0 0.1 
1  0 
2 0.5 
Name: A, dtype: object 

Answer 2

可以使用的事实，True Python的表示是1和False是0：

In [12]: df 
Out[12]: 
    A  B 
0 0 True 
1 0 False 
2 1 False 
3 1 False 
4 2 True 

In [13]: df.groupby('A').sum().astype(int) 
Out[13]: 
    B 
A 
0 1 
1 0 
2 1 

In [14]: df.groupby('A').sum() 
Out[14]: 
     B 
A 
0 True 
1 False 
2 True