如何在一个数据帧中合并观测值，其中除一列外所有列都相同？

Question

所以我有一个熊猫数据帧，有5列，大约100000行。举个例子：

    V1      V2          V3          V4  V5
0   2014    Alfa Romeo  159         1   157
1   2014    Alfa Romeo  GIULIETTA   1   119
2   2014    Alfa Romeo  GIULIETTA   3   119

如果V1、V2、V3和V5中的值完全相同，我要做的是求V4列中的值的和

    V1      V2          V3          V4  V5
0   2014    Alfa Romeo  159         1   157
1   2014    Alfa Romeo  GIULIETTA   4   119

起初我以为groupby会做这项工作，但后来我做了

df.groupby(['V1', V2','V3', 'V5' ]).sum()

我丢失了V3列中的一些信息，例如，我应该有10种不同类型的颜色，但现在只有3种。 如何解决

Answer 1

我怀疑您正在处理'V1'、'V2'、'V3'或'V5'列中丢失的数据，而groupby中省略了这些数据。看这个SO Post

解决方法是使用fillna（）：

df.fillna("Missing").groupby(['V1','V2','V3','V5']).V4.sum()

示例：

打印（df）

       V1          V2         V3  V4   V5
0  2014.0  Alfa Romeo        159   1  157
1  2014.0  Alfa Romeo  GIULIETTA   1  119
2  2014.0  Alfa Romeo  GIULIETTA   3  119
3     NaN  Alfa Romeo      Black   4  119

df.groupby(['V1','V2','V3','V5']).V4.sum()

缺少“黑色”：

V1      V2          V3         V5 
2014.0  Alfa Romeo  159        157    1
                    GIULIETTA  119    4
Name: V4, dtype: int64

使用fillna（）：

df.fillna("Missing").groupby(['V1','V2','V3','V5']).V4.sum()

V1       V2          V3         V5 
2014.0   Alfa Romeo  159        157    1
                     GIULIETTA  119    4
Missing  Alfa Romeo  Black      119    4
Name: V4, dtype: int64