本文共 1143 字，大约阅读时间需要 3 分钟。

在学习Pandas时，很多人会遇到GROUP BY和SUM操作后丢失列的问题。让我详细解释一下这个问题，并提供解决方法。

首先，当我们使用groupby()函数进行分组后，使用sum()函数进行求和操作时，Pandas默认会将结果中的列名设置为被分组的列名，而不是保留原始的所有列。这样做的原因是为了简化结果，通常只保留需要的聚合列。

例如，以下代码：

import pandas as pd
df = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': np.random.randn(8),
    'D': np.random.randn(8)
})
result = df.groupby('A').sum()
print(result)

运行后结果为：

C      D
A bar -0.045608 -0.038593
 foo 1.096079  0.530872

可以看到，列'B'的数据没有被保留。这是因为sum()默认只会对数值列求和，并以分组列名为结果的列名。

解决方法

要保留所有原始列，可以使用agg()函数，它允许指定需要保留的列：

result = df.groupby('A').agg({'C': 'sum', 'D': 'sum'})

运行后结果保留所有列：

C      D
A bar -0.045608 -0.038593
 foo 1.096079  0.530872

复杂操作

如果需要对每一组数据进行复杂操作，可以使用apply()函数：

result = df.groupby('A').apply(lambda x: x['C'].mean())

运行后结果为：

A
bar    -0.045608
 foo    1.096079
Name: C, dtype: float64

在这种情况下，结果的结构可能与原始DataFrame不同，但可以通过reset_index()恢复原始结构：

result = df.groupby('A').apply(lambda x: x['C'].mean()).reset_index()

总结

• 使用agg()可以同时保留和聚合多列。
• 使用apply()可以对每一组数据执行自定义函数。
• 使用reset_index()可以恢复聚合后的DataFrame结构。

通过合理使用这些函数，可以控制结果中的列，避免丢失数据。

转载地址：http://xpvfk.baihongyu.com/