pandas多加一列分组

要在Pandas中添加一列分组，可以使用`groupby()`函数将数据按照指定的列进行分组，并使用聚合函数对其他列进行操作后，再将结果添加为新列。以下是实现这个过程的代码示例：

import pandas as pd

# 示例数据
dic = {'省份': ['A', 'A', 'A', 'B', 'C'], '城市': ['a', 'a', 'a_', 'b', 'c'],
       '订单额': [1, 2, 3, 4, 5], '规模': [5, 4, 3, 2, 1]}
df = pd.DataFrame(dic)

# 按照'城市'列进行分组，并将'订单额'列求和作为新列
df['分组列名'] = df.groupby('城市')['订单额'].transform('sum')

# 打印结果
print(df)

相关问题

pandas按一列分组

Pandas按一列分组可以使用`groupby()`函数。该函数可以将数据按指定列进行分组并进行聚合操作。

例如，假设有一个数据集`df`，其中包含`name`和`score`两列数据：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob'],
        'score': [90, 80, 70, 85, 75]}
df = pd.DataFrame(data)

现在想要按`name`列进行分组，并计算每个人的平均分数，可以使用如下代码：

grouped = df.groupby('name')
mean_scores = grouped['score'].mean()

这里首先使用`groupby()`函数按`name`列进行分组，然后使用`mean()`函数计算每个组的平均分数。最后，得到了每个人的平均分数`mean_scores`：

name
Alice      87.5
Bob        77.5
Charlie    70.0
Name: score, dtype: float64

pandas按照某一列分组

要按照某一列分组，可以使用pandas的groupby()函数。例如，假设我们有以下数据：

import pandas as pd

data = {'Name': ['Tom', 'Tom', 'Jerry', 'Jerry', 'Mary', 'Mary'],
        'Age': [20, 25, 30, 35, 40, 45],
        'Gender': ['M', 'M', 'M', 'M', 'F', 'F']}

df = pd.DataFrame(data)
print(df)

输出：

    Name  Age Gender
0    Tom   20      M
1    Tom   25      M
2  Jerry   30      M
3  Jerry   35      M
4   Mary   40      F
5   Mary   45      F

我们可以按照Name列分组，然后对每组进行操作，例如计算每组的平均年龄。代码如下：

grouped = df.groupby('Name')
print(grouped['Age'].mean())

输出：

Name
Jerry    32.5
Mary     42.5
Tom      22.5
Name: Age, dtype: float64

在上面的代码中，我们首先使用groupby()函数按照Name列分组，然后使用mean()函数计算每组的平均年龄。注意，我们只对Age列进行了操作，因为我们只关心每组的平均年龄。