如何根据多列共有的值对数据框进行分组？

Question

我正在尝试根据在两列中找到的值来聚合数据框。我正在尝试聚合数据框，以便将 A 列或 B 列中具有某个值 X 的行聚合在一起。

更具体地说，我正在尝试做这样的事情。假设我有一个数据框 gameStats:

awayTeam  homeTeam  awayGoals  homeGoals
Chelsea   Barca     1          2
R. Madrid Barca     2          5
Barca     Valencia  2          2
Barca     Sevilla   1          0

...等等

我想构建一个数据框，以便在我的行中有类似的内容：

team    goalsFor  goalsAgainst
Barca   10        5

一个明显的解决方案，因为唯一元素集很小，是这样的：

for team in teamList:
    aggregateDf = gameStats[(gameStats['homeTeam'] == team) | (gameStats['awayTeam'] == team)]
# do other manipulations of the data then append it to a final dataframe

但是，通过一个循环似乎不太优雅。而且由于我之前遇到过许多唯一标识符的问题，我想知道是否有一种方法可以在不使用循环的情况下执行此操作，因为这对我来说似乎效率很低。

Answer 1

解法有2个，先计算每支球队主场和客场的进球数，然后合并。类似于：

goals_when_away = gameStats.groupby(['awayTeam'])['awayGoals', 'homeGoals'].agg('sum').reset_index().sort_values('awayTeam')
goals_when_home = gameStats.groupby(['homeTeam'])['homeGoals', 'awayGoals'].agg('sum').reset_index().sort_values('homeTeam')

然后合并它们

np_result = goals_when_away.iloc[:, 1:].values + goals_when_home.iloc[:, 1:].values
pd_result = pd.DataFrame(np_result, columns=['goal_for', 'goal_against'])
result = pd.concat([goals_when_away.iloc[:, :1], pd_result], axis=1, ignore_index=True)

注意 .values 当求和得到 numpy 数组的结果时， ignore_index=True 当 concat 时，这些是为了避免按列和索引名称求和时的 pandas 陷阱。

如何根据多列共有的值对数据框进行分组？

How do I groupby a dataframe based on values that are common to multiple columns?

python

pandas

data-cleaning

pandas-groupby