熊猫中如何使用 GroupBy 对负值和正值求和？
原文:https://www . geesforgeks . org/如何使用熊猫中的 groupby 对负值和正值求和/
在本文中，我们将讨论如何在熊猫中使用 GroupBy 方法计算数据帧中所有负数和正数的总和。
要使用 groupby() 方法，请使用下面给出的语法。
语法: df.groupby(column_name)
逐步实施
步骤 1: 创建 lambda 函数来计算正和与负和值。
pos = lambda col : col[col > 0].sum()
neg = lambda col : col[col < 0].sum()
第二步:我们将使用 groupby()方法，并应用 lambda 函数来计算总和。
d = df.groupby(df['Alphabet'])
print(d['Frequency'].agg([('negative_values', neg),
('positive_values', pos)
]))
print(d['Bandwidth'].agg([('negative_values', neg),
('positive_values', pos)
]))
例子
例 1:
计算两列的 a、b、c 的所有正值和负值之和，即频率和带宽
Python 3
# Import Necessary Libraries
import pandas as pd
import numpy as np
# Creating a DataFrame with
# random values
df = pd.DataFrame({'Alphabet': ['a', 'b', 'c', 'c',
'a', 'a', 'c', 'b'],
'Frequency': [-10, 29, -12, -190,
72, -98, -12, 0],
'BandWidth': [10, 34, 23, -10, -87,
-76, 365, 10]})
print(df)
# Group By dataframe on categorical
# values
d = df.groupby(df['Alphabet'])
# creating lambda function to calculate
# positive as well as negative values
def pos(col):
return col[col > 0].sum()
def neg(col):
return col[col < 0].sum()
# Apply lambda function to particular
# column
print(d['Frequency'].agg([('negative_values', neg),
('positive_values', pos)
]))
print(d['Bandwidth'].agg([('negative_values', neg),
('positive_values', pos)
]))
输出:
例 2:
计算两列(即 X 和 Y)的 a、b 的所有正值和负值之和
Python 3
# Import Necessary Libraries
import pandas as pd
import numpy as np
# Creating a DataFrame with random values
df = pd.DataFrame({'Function': ['F(x)', 'F(x)', 'F(y)',
'F(x)', 'F(y)', 'F(x)',
'F(x)', 'F(y)'],
'X': [-10, 29, -12, -190, 72, -98,
-12, 0],
'Y': [10, 34, 23, -10, -87, -76,
365, 10]})
print(df)
# Group By dataframe on categorical values
d = df.groupby(df['Function'])
# creating lambda function to calculate
# positive as well as negative values
def pos(col):
return col[col > 0].sum()
def neg(col):
return col[col < 0].sum()
# Apply lambda function to particular
# column
print(d['X'].agg([('negative_values', neg),
('positive_values', pos)
]))
print(d['Y'].agg([('negative_values', neg),
('positive_values', pos)
]))
输出:
数据帧
十、输出
y 输出
例 3:
计算每个姓名(即标记)的所有正值和负值的总和。下一步是让 lambda 函数计算总和。在最后一步中，我们将根据名称对数据进行分组，并调用 lambda 函数来计算这些值的总和。
Python 3
# Import Necessary Libraries
import pandas as pd
import numpy as np
# Creating a DataFrame with random values
df = pd.DataFrame({'Name': ['Aryan', 'Nityaa', 'Dhruv',
'Dhruv', 'Nityaa', 'Aryan',
'Nityaa', 'Aryan', 'Aryan',
'Dhruv', 'Nityaa', 'Dhruv',
'Dhruv'],
'Marks': [90, 93, 78, 56, 34, 12, 67,
45, 78, 92, 29, 88, 81]})
print(df)
# Group By dataframe on categorical values
d = df.groupby(df['Name'])
# creating lambda function to calculate
# positive as well as negative values
def pos(col):
return col[col > 0].sum()
def neg(col):
return col[col < 0].sum()
# Apply lambda function to particular
# column
print(d['Marks'].agg([('negative_values', neg),
('positive_values', pos)
]))
输出:
名称
马克斯（英格兰人姓氏）
版权属于：月萌API www.moonapi.com，转载请注明出处
