Python pandy GroupBy kruszywo na wielu kolumnach, a następnie pivot

Question

W Pythonie mam DataFrame pandy podobny do następującego:

Item | shop1 | shop2 | shop3 | Category 
------------------------------------ 
Shoes| 45 | 50 | 53 | Clothes 
TV | 200 | 300 | 250 | Technology 
Book | 20 | 17 | 21 | Books 
phone| 300 | 350 | 400 | Technology 

Gdzie Shop1, shop2 i shop3 są koszty każdej pozycji w różnych sklepach. Teraz muszę wrócić do DataFrame po pewnym czyszczenia danych, jak ten:

Category (index)| size| sum| mean | std 
---------------------------------------- 

gdzie rozmiar jest liczba elementów w każdej kategorii i sumy, średnie i std związane są z tych samych funkcji stosowanych do 3 sklepy. Jak mogę wykonywać te operacje za pomocą schematu split-apply-combine (groupby, aggregate, apply, ...)?

Czy ktoś może mi pomóc? Zwariowałem z tym ... dziękuję!

Answer 1

opcji 1
użytku agg ← linkujące do Dokumentów

agg_funcs = dict(Size='size', Sum='sum', Mean='mean', Std='std') 
df.set_index(['Category', 'Item']).stack().groupby(level=0).agg(agg_funcs) 

        Std Sum  Mean Size 
Category          
Books  2.081666 58 19.333333  3 
Clothes  4.041452 148 49.333333  3 
Technology 70.710678 1800 300.000000  6 

opcja 2
więcej za mniej
użytku describe ← link Docs

df.set_index(['Category', 'Item']).stack().groupby(level=0).describe().unstack() 

      count  mean  std min 25% 50% 75% max 
Category                 
Books   3.0 19.333333 2.081666 17.0 18.5 20.0 20.5 21.0 
Clothes  3.0 49.333333 4.041452 45.0 47.5 50.0 51.5 53.0 
Technology 6.0 300.000000 70.710678 200.0 262.5 300.0 337.5 400.0 

Answer 2

df.groupby('Category').agg({'Item':'size','shop1':['sum','mean','std'],'shop2':['sum','mean','std'],'shop3':['sum','mean','std']}) 

Albo jeśli chcesz go we wszystkich sklepach wówczas:

df1 = df.set_index(['Item','Category']).stack().reset_index().rename(columns={'level_2':'Shops',0:'costs'}) 
df1.groupby('Category').agg({'Item':'size','costs':['sum','mean','std']}) 

Answer 3

Jeśli dobrze rozumiem, chcesz obliczyć łączne dane dla wszystkich sklepów, a nie dla każdego indywidualnie. Aby to zrobić, można najpierw stack Twój dataframe a następnie grupa przez Category:

stacked = df.set_index(['Item', 'Category']).stack().reset_index() 
stacked.columns = ['Item', 'Category', 'Shop', 'Price'] 
stacked.groupby('Category').agg({'Price':['count','sum','mean','std']}) 

co skutkuje

  Price        
      count sum  mean  std 
Category          
Books   3 58 19.333333 2.081666 
Clothes  3 148 49.333333 4.041452 
Technology  6 1800 300.000000 70.710678