groupby和agg by multiple错误
是指在使用groupby函数进行分组操作时，使用了多个聚合函数进行计算，但结果不符合预期或出现错误的情况。
在云计算领域中，groupby和agg by multiple错误通常出现在数据分析和数据处理的场景中。下面是对该错误的完善且全面的答案：
概念： groupby是一种数据分组操作，它将数据集按照指定的列或条件进行分组，并对每个分组应用聚合函数进行计算。agg by multiple是指在groupby操作中同时使用多个聚合函数进行计算。
分类： groupby和agg by multiple错误可以分为以下几类：
- 语法错误：在使用groupby和agg函数时，可能会出现语法错误，例如拼写错误、参数错误等。
- 数据错误：在进行分组操作时，可能会出现数据错误，例如缺失值、异常值等。
- 逻辑错误：在使用多个聚合函数进行计算时，可能会出现逻辑错误，例如聚合函数选择错误、计算顺序错误等。
优势： 使用groupby和agg by multiple可以方便地对数据进行分组和聚合计算，提取出所需的统计信息，帮助用户进行数据分析和决策。
应用场景： groupby和agg by multiple广泛应用于数据分析、数据挖掘、商业智能等领域。例如，在销售数据中，可以使用groupby对不同地区的销售额进行统计，并使用agg by multiple计算平均值、总和、最大值等指标。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了一系列数据分析和处理的产品，可以帮助用户进行groupby和agg by multiple操作。以下是几个推荐的产品：
- 腾讯云数据仓库（Tencent Cloud Data Warehouse）：提供了高性能、可扩展的数据仓库服务，支持数据分析和聚合计算。详情请参考：腾讯云数据仓库产品介绍
- 腾讯云数据分析引擎（Tencent Cloud Data Analytics Engine）：提供了快速、高效的大数据分析和处理服务，支持SQL查询、数据分组和聚合计算等功能。详情请参考：腾讯云数据分析引擎产品介绍
- 腾讯云人工智能平台（Tencent Cloud AI Platform）：提供了丰富的人工智能服务和工具，可以帮助用户进行数据分析和挖掘。详情请参考：腾讯云人工智能平台产品介绍
请注意，以上推荐的产品仅为示例，实际选择应根据具体需求和场景进行评估和决策。
总结： groupby和agg by multiple错误是在使用groupby函数进行分组操作时，使用多个聚合函数进行计算时出现的错误。在云计算领域中，这种错误常见于数据分析和处理场景。为了避免该错误，需要仔细检查语法、数据和逻辑，并选择合适的云计算产品进行数据分析和处理。
相关·内容
我有这样一个数据框架：
df:
ID Award Award_ID
1 Ninja N13
1 Ninja N19
1 Warrior W16
2 Alpha A99
2 Delta D18
3 Alpha A101
3 Alpha A102
3 Alpha A103
4 Delta D12
其中一些ID在这里重复。每当ID多次出现时，我希望将所有奖励和Award_ID信息按以下格式整理成一行：
ID Multiple_Awards(Award_Names)奖(Award_IDs)
浏览 5提问于2022-08-05得票数 1
回答已采纳
3回答
我正在尝试使用python dataframe中的两列计算加权和。
Dataframe结构：
unique_id weight value
1 0.061042375 20.16094523
1 0.3064548 19.50932003
1 0.008310739 18.76469039
1 0.624192086 21.25
2 0.061042375 20.23776924
2 0
浏览 8提问于2019-11-27得票数 3
回答已采纳
我有一个熊猫数据框架，大约有500万行，有2列"top_level_domain“和"category”。我想创建一个新的数据框架与独特的top_level_domain的和一个类别栏是逗号分隔的唯一的类别。这个数据框架已经有类别，逗号分隔的性质。其他领域，如谷歌将有重复的类别，但我只想要一个。 数据帧： df1
top_level_domain category
1 google.com Search Engines
2 service-now.com Business, Software/Hardware
3
浏览 83提问于2019-01-16得票数 2
回答已采纳
请您帮助我在代码中解决这个问题，因为使用熊猫的空间连接(groupby()，agg())给了我以下错误：
我有一个数据框架df，我使用从它到groupby的几个列:n按照下面的方式，我几乎得到了我需要的表(数据框架)。缺少的是一个额外的列，它包含每个组中的行数。换句话说，我的意思是，但我也想知道有多少数字被用来获得这些手段。
简而言之:我如何获得数据的分组统计数据？
代码：
def bin_the_midpoints(bins, midpoints):
b = bins.copy()
m = midpoints.copy()
reindexed = b.reset_in
浏览 8提问于2022-08-01得票数 0
2回答
我试图定义一个包含多个输出列的聚合函数，如下所示
df.groupby(by=...).agg(my_aggregation_function_with_multiple_columns)
知道怎么做吗？
我试过这样的方法
def my_aggregation_function_with_multiple_columns(slice_values):
return {'col_1': -1,'col_2': 1}
但这将逻辑地将字典{‘col’：-1，‘col2’：1}输出到一列中.
浏览 1提问于2017-08-29得票数 6
回答已采纳
2回答
data = {"Team": ["Red Sox", "Red Sox", "Red Sox", "Red Sox", "Red Sox", "Red Sox", "Yankees",
"Yankees", "Yankees", "Yankees", "Yankees", "Yankees"],
"Pos": ["
浏览 0提问于2020-06-15得票数 1
回答已采纳
def stack_plot(data, xtick, col2='project_is_approved', col3='total'):
ind = np.arange(data.shape[0])
plt.figure(figsize=(20,5))
p1 = plt.bar(ind, data[col3].values)
p2 = plt.bar(ind, data[col2].values)
plt.ylabel('Projects')
plt.title('Number of
浏览 10提问于2020-02-14得票数 49
回答已采纳
1回答
大熊猫的平行采样和分组
、、、
我有一个很大的df (>=100k行和40列)，我正在重复地采样和分组。下面的代码可以工作，但我想知道是否有一种方法可以通过并行化进程的任何部分来加速进程。df可以驻留在共享内存中，并且df中没有任何更改，只需要为每列返回1个或更多聚合。
import pandas as pd
import numpy as np
from tqdm import tqdm
data = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))
data['variant']
浏览 1提问于2021-12-03得票数 1
我有一个具有387行和26列的Pandas.DataFrame。然后这个DataFrame是Groupby()-ed和agg()-ed，转化为一个DataFrame，其中有1行和111个列。这大约需要0.05秒。例如：
frames = frames.groupby(['id']).agg({"bytes": ["count",
"sum",
浏览 4提问于2022-01-26得票数 1
重现问题： import pandas as pd
from functools import partial
def quantile_builder(portion, x):
print(x)
return x.quantile(portion)
q90 = partial(quantile_builder, 0.90)
q95 = partial(quantile_builder, 0.95)
data = [('a', 1), ('a', 1),('b', 1),('a', 3),('b
浏览 52提问于2020-04-02得票数 0
回答已采纳
1回答
多键索引
、、、、
PageId VolumePred ConversionPred OSBrowser
955761 37200.0 27625.0 (11, 16)
955764 30157.0 21155.0 (11, 16)
955764 25258.0 17836.0 (11, 16)
1184903 35492.0 17768.0 (11, 16)
955764 24683.0 16965.0 (11, 16)
955764 8.0
浏览 42提问于2022-03-11得票数 0
回答已采纳
我有这样一个数据集，NY、LA和CHI列中的数字是人们访问这些城市的次数。
import pandas as pd
data = {'Person':['A','B','C','D','E','F'],
'NY':[1, 1, 0, 3, 0, 0],
'LA':[0, 1, 1, 0, 1, 1],
'CHI':[2, 0, 1, 0, 0, 1],
'Gender':['F&
浏览 4提问于2020-05-27得票数 0
回答已采纳
我试图将几个月聚在一起，然后创建一个count列，这样以后我就可以绘制它了。但是，我一直收到以下错误
KeyError：“未找到列:计数”
当我在dataframe中有一个名为count的列时，我不明白为什么会收到这个错误。到目前为止，这是我的代码：
df = df[['DATE', 'Count']]
df['DATE'] = pd.to_datetime(df['DATE'])
df['DATE'].groupby(df["DATE"].dt.strftime('%B'
浏览 1提问于2020-05-24得票数 0
回答已采纳
我有这样的数据：
ID TIME
1 2
1 4
1 2
2 3
我想按ID对数据进行分组，并计算平均时间和每组的大小。
ID MEAN_TIME COUNT
1 2.67 3
2 3.00 1
如果我运行这段代码，我会得到一个错误"ValueError: cannot insert ID，already“：
result = df.groupby(['ID']).agg({'TIME': 'mean', 'ID': 'count'}).res
浏览 16提问于2017-01-11得票数 30
回答已采纳
以前，我在一个不同的列表上找到了匹配的值(这个线程)
import pandas as pd
import numpy as np
df = pd.DataFrame({'Name':['a cat dog - multiple', 'grey puppy - narrow term', 'a cat puppy', 'reddog - single no spaces', 'acatdog - multiple no spaces']})
df2 = pd.DataFrame({'Broa
浏览 3提问于2021-06-14得票数 2
回答已采纳
2回答
熊猫提高效率
、、
我有一只熊猫，大约有300万行。我希望根据另一个变量将最后一列部分聚合到单独的spots中。
我的解决方案是根据该变量将dataframe行分离为一个新的数据格式列表，聚合数据文件，然后再将它们连接到一个单一的dataframe中。问题是，在经历了几千行之后，我得到了一个内存错误。我可以用什么方法来提高我的功能的效率，以防止这些内存错误？
下面是我的代码示例
test = pd.DataFrame({"unneeded_var": [6,6,6,4,2,6,9,2,3,3,1,4,1,5,9],
"year": [0,0
浏览 0提问于2018-07-27得票数 2
回答已采纳
这里是Python新手，有很多来自VBA的坏习惯。我设计了一种漫长而复杂的方法来实现我需要的东西，但我相信有一种更好的，Pythonic式的方法来实现这一点，我真的会很感激一些建议。基本上，我有一个这样的表(只有更大的，>5000行，我已经从csv文件导入到pandas DataFrame中)： ? 我想以一个旋转的DataFrame结束，它连接了Salesman的名字并汇总了销售数字，如下所示： ? (出于我不需要深入讨论的原因，我更喜欢列表形式的连接名称，因此使用了括号。) 在我的生活中，我想不出一个简单的方法在熊猫身上做到这一点。(我应该用熊猫吗？)我将省去我想出
浏览 19提问于2021-09-24得票数 2
我有一个时间序列数据集，其中包括抑郁，焦虑和创伤的评分为病人。每例患者在6个时间点收集数据。
mh_data.head(10)
ID BDI GAD TSQ age
1 57 9 4 22
1 36 9 4 22
1 37 9 4 22
1 38 7 3 22
1 41 8 3 22
1 39 7 3 22
2 29 14 7 35
2 27 12 6
浏览 2提问于2021-06-05得票数 1
回答已采纳
我有三行需要转换成一行，我怎么能用熊猫和蟒蛇来做这件事呢。
ml= 1000
1.line: agg_2 = main_df.groupby(['id_1','id_2'])['value'].agg(['min','max'])
2.line: tot = agg_2['max'].sub(agg_2['min']).shift(1)
3.line: main_df['hos_eve'] = (145 - (main_df.groupby(['id_1
浏览 4提问于2022-11-17得票数 0
我有以下数据：
ID customer Month Amount
0 026 201707 31,65
1 026 201708 31,65
2 026 201709 31,65
3 026 201710 31,65
4 026 201711 31,65
.
其中'Amount‘是对象类型。我想要计算每个ID的和和平均值。
df‘数量级’=pd.to_numeric(df‘数量级’，错误=‘胁迫’)
但是我得到了NaN
浏览 1提问于2020-01-30得票数 0
回答已采纳
2回答
我是Pandas的新手，我试图自动处理从我们的IT票务系统获得的票务数据。经过实验，我得到了80 %的结果，我正在寻找。
目前，我将票证数据从CSV中提取到"df“数据中。然后，我想总结的数据，供上级审查，并获得高水平的信息，如总计和平均“年龄”的票(从门票创建日期到当前日期之间的天数)。
下面是用于"df“数据的票证数据示例：
然后，我创建了"df2“数据框架来总结df，使用：
df2 = df.groupby(["dept", "group", "assignee", "ticket_type
浏览 10提问于2022-02-17得票数 4
回答已采纳
我正在尝试groupBy一个名为saleId的变量(列)，然后使用名为totalAmount的属性(列)获取它的和，代码如下：
df = df.groupBy('saleId').agg({"totalAmount": "sum"})
但我得到了以下错误：
属性和(TotalAmount)包含在，;{}()\n\t=中的无效字符。请使用别名重命名它。
我假设我使用groupBy的方式有问题，因为即使我尝试下面的代码而不是上面的代码，也会出现其他错误：
df = df.groupBy('saleId').sum('tota
浏览 6提问于2022-06-24得票数 0
回答已采纳
1回答
我有DataFrame df_data
CustID MatchID LocationID isMajor #Major is 1 and Minor is 0
1 11111 324 0
1 11111 324 0
1 11111 324 0
1 22222 490 0
1 33333 675 1
2 44444
浏览 1提问于2021-01-27得票数 1
回答已采纳
我有这个数据帧(Df)，它看起来像 +-----------------+-----------+----------------+---------------------+--------------+-------------+
| Gene | Gene name | Tissue | Cell type | Level | Reliability |
+-----------------+-----------+----------------+---------------------+-----------
浏览 17提问于2020-02-02得票数 1
回答已采纳
我不确定我错过了什么，但我已经研究了一段时间，不知道如何在多个列上进行聚集。这是可行的： df.groupby(['Exchange', 'Industry','Sector']).agg({'totalRevenue': ['mean', 'min', 'max']}) 但是，我没有遍历for循环，而是尝试了： df.groupby(['Exchange', 'Industry','Sector']).agg({['tota
浏览 17提问于2021-03-31得票数 0
回答已采纳
以下两项之间的区别是什么-
df.select(min("salary")).show()
和
df.agg({'salary':'min'}).show()
另外，这两个有什么不同-
df.groupBy("department").agg({'salary':'min'}).show()
和
df.groupBy("Company").min('salary').show()
浏览 3提问于2020-09-30得票数 0
2回答
我有一个数据集
Name System
A AZ
A NaN
B AZ
B NaN
B NaN
C AY
C AY
D AZ
E AY
E AY
E NaN
F AZ
F AZ
F NaN
使用此数据集，我需要根据特定“名称”重复"System“的次数对数据集进行聚类。
在上面的例子中，名称A、B和D有一个" AZ“”子集“，而C、E有两个"AY”子集，而F有两个AZ，因此它是一个不同的集群。我们可
浏览 7提问于2022-02-02得票数 2
我试图使用groupby方法组合列的单元格值(字符串)。但我遇到了以下错误。
TypeError:序列项0:预期的str实例，浮起
给出错误的行是
docs_per_topic = docs_df.groupby(['Topic'], as_index = False).agg({'Doc': ' '.join})
我的原始数据集只有一列“项目”。下面是我读取CSV文件的代码。
data = pd.read_csv('my_file.csv')
data = data['Articles']
我对这些文章进行集
浏览 3提问于2020-10-07得票数 3
回答已采纳
1回答
我有一个pandas dataframe，下面的命令对它起作用： house.groupby(['place_name'])['index_nsa'].agg(['first','last']) 它给了我我想要的。现在，我想创建一个自定义聚合值，它给出了第一个值和最后一个值之间的百分比变化。 我在对值进行数学运算时遇到了错误，所以我假设我必须将它们转换为数字。 house.groupby(['place_name'])['index_nsa'].agg({"change in %"
浏览 22提问于2019-06-23得票数 1
回答已采纳
1回答
我正在写这段代码，但出现了以下错误：
THis是我在上找到的代码
!pip install scipy
!pip install git+https://github.com/statisticianinstilettos/recmetrics
import pandas as pd
import numpy as np
import recmetrics
import matplotlib.pyplot as plt
from surprise import Reader, SVD, Dataset
from surprise.model_selection import train_t
浏览 8提问于2020-09-24得票数 2
回答已采纳
1回答
我正在尝试使用mean作为字典变量来执行的均值。
from pyspark.sql import functions as F
_func= {'mean' : F.mean}
df.groupby('name')._func['mean']()
但是这个错误失败了。
'AttributeError GroupedData object has no attribute _func'
我也尝试过从GroupedData类导入pyspark.sql.group类的均值函数，但同样的错误也失败了。
如何纠正此错误？
浏览 0提问于2018-10-09得票数 0
回答已采纳
1回答
我在我的groupby DataFrame df上使用熊猫，它有type，subtype和其他11栏。然后，我在组中使用我的apply (需要更好的名称)调用combine_function (需要更好的名称)如下：
grouped = df('type')
reduced = grouped.apply(combine_function)
其中，我的combine_function检查组中的任何元素是否包含具有给定子类型的任何元素，比如1，如下所示：
def combine_function(group):
if 1 in group.subtype:
浏览 3提问于2013-11-21得票数 3
回答已采纳
我最近正在练习一些Python，我遇到了一个路障，在那里我无法让agg()工作，后来我发现这是因为我不需要调用函数。
我的问题是:我希望有人能解释一下，当我们在函数的末尾写()时，我们到底在做什么，以及做它和不做它有什么区别
编辑:这个代码是示例代码，IM没有在这个代码上寻找答案。我在寻找一个关于调用或不调用A函数的概念的答案，以及它是如何工作的。
我所使用的返回错误的内容：“no指定的”(无参数)
sales_stats = sales.groupby('type')['weekly_sales'].agg([np.min(),np.max(),np.medi
浏览 4提问于2022-06-12得票数 -1
回答已采纳
1回答
我想用“标签”和“月份”对每个月和每个标签的销售量进行汇总。
我试图做‘群和应用’的方法来实现这一点，但不确定如何计算每个标签的月份。比如说，对于标签值阿弗莱卢(DOS)，我有两个7个月的数值。所以，我应该把销售量相加，除以2，在第9和第10个月，我只有一个值，所以计数是1，它会把销售量除以。
我编写了下面的代码，但它不将计数作为函数，并且返回计数未定义的错误。
t1.groupby(['label', 'month']).apply(lambda x: x['Quantity sold']
.sum()/count('mon
浏览 2提问于2018-03-27得票数 5
回答已采纳
1回答
我正在做一个ML项目。在对数据进行预处理之后，我需要进行特征提取。在我的数据集中，我有25个类(数据集中的字母表)，每个类有20个主题(我得到字母表的次数)。使用函数groupby()，它们(25*20 = 500)都具有相同的大小(1000)。我想通过calculate maccs列平均值将1000个采样点压缩为50个采样点。 我的数据集如下所示： ? 这就是我所尝试的，但它不起作用。它给出了一个'SeriesGroupBy‘对象没有属性'iloc’错误。 for i in np.arange(211, 890, 20):
new_dataset = new_d
浏览 79提问于2021-01-30得票数 0
from pyspark.sql import Row, functions as F
row = Row("UK_1","UK_2","Date","Cat")
agg = ''
agg = 'Cat'
tdf = (sc.parallelize
([
row(1,1,'12/10/2016',"A"),
row(1,2,None,'A'),
row(2,1,'14/10/2016
浏览 2提问于2017-10-18得票数 0
回答已采纳
我有一个星星之火dataFrame，我希望通过多个键聚合值。
如火花文件所示：
def groupBy(col1: String，cols: String*)：GroupedData使用指定的列对DataFrame进行分组，以便在它们上运行聚合
所以我做以下几件事
val keys = Seq("a", "b", "c")
dataframe.groupBy(keys:_*).agg(...)
Intellij Idea将我抛出以下错误：
非重复参数展开
类型不匹配:预期SeqColumn，实际SeqString
浏览 2提问于2016-05-30得票数 1
回答已采纳
我已经问过了，但是当我对超过百万行的文件执行下面的代码时，我会遇到一个问题。
代码：
import numpy as np
import pandas as pd
import xlrd
import xlsxwriter
df = pd.read_excel('full-cust-data-nonconcat.xlsx')
df =df.groupby('ORDER_ID')['ASIN'].agg(','.join).reset_index()
writer = pd.ExcelWriter('Pyt
浏览 2提问于2017-02-17得票数 1
我一直很好奇到底传递给agg函数的是什么。
Id NAME SUB_ID
276956 A 5933
276956 B 5934
276956 C 5935
287266 D 1589
所以当我调用agg函数时，x的数据类型到底是什么。
df.groupby('Id').agg(lambda x: set(x))
从我自己的挖掘中，我发现x是<type 'property'>，但我不知道它到底是什么。我正在尝试做的是将记录压缩到任何特定组的一行中。因此，对于id 276956，我希望将A、
浏览 0提问于2016-09-14得票数 2
2回答
我有json文件，如下所示：
{{"name":"jonh", "food":"tomato", "weight": 1},
{"name":"jonh", "food":"carrot", "weight": 4},
{"name":"bill", "food":"apple", "weight": 1},
{"name":"
浏览 0提问于2018-02-28得票数 1
回答已采纳
输入df如下所示 Name num1 num2 key filter1 filter2 value
TOM 1.1 2.1 a True False 1.0
TOM 1.1 2.1 b True False 2.0
TOM 1.1 2.1 c True False 3.0
TOM 1.1 2.1 d True False 4.0
SAM 1.2 2.1 a False True 5.0
浏览 13提问于2020-01-11得票数 2
我有下面的数据集，我想从特定的ID中提取第一次和最后一次出现的日期。最后一次和第一次出现的结果应该是：
id date last_apparence first_apparence
653777 2021-02-19 2021-02-19 2021-02-19
1873547 2021-02-19 2021-02-19 2021-02-19
657443 2021-02-19 2021-02-19 2021-02-19
653777
浏览 7提问于2021-02-22得票数 0
2回答
我正在处理一个数据形式的数据。我的数据是：
left_id right_id
a b
a c
c e
我希望以这样的方式编写代码，以便输出如下所示：
key value
a b,c
c e
在输入数据中，a发生了两次。一次用c，一次用b。因此，a的值被赋值为b和c。对于c，该值被赋值为e。
请帮我解决这个问题。
浏览 1提问于2020-03-15得票数 0
回答已采纳
2回答
我需要帮助将language列组合到一行中，然后删除重复的列，只需将同一Movie、year和Id的两个不同的language组合起来。
在CSV中有更多类似的列，所以请帮助我找出一种组合those.Here的方法是现有的csv：
f = pd.DataFrame({'Movie': ['name1','name1','name2','name3','name4','name4'],
'Year': ['1905',
浏览 2提问于2022-03-29得票数 1
回答已采纳
3回答
在Python中使用spark和Pandas库。我基本上有以下几点：
df.groupby('sIP').agg({'duration': 'sum'}).show()
这给出了以下输出：
+---------------+------------------+
| sIP| sum(duration)|
+---------------+------------------+
| 203.13.173.243|
浏览 20提问于2018-05-30得票数 0
回答已采纳
2回答
我有：
pd.DataFrame({'col':['one','fish','two','fish','left','foot','right','foot']})
col
0 one
1 fish
2 two
3 fish
4 left
5 foot
6 right
7 foot
我想连接每n行(这里是每4行)并形成一个新的dataframe：
pd.DataFrame({'col':['
浏览 18提问于2019-11-05得票数 3
回答已采纳
1回答
熊猫群的混乱--难以驾驭的类型
、、、、
使用Pandas数据帧按特性分组，我希望按列c_b分组，并计算列c_a和列c_c的唯一计数。我的预期结果是，
预期结果，
c_b,c_a_unique_count,c_c_unique_count
python,2,2
c++,2,2
遇到关于unhashable type的奇怪错误，有人有什么想法吗？谢谢。
输入文件，
c_a,c_b,c_c,c_d
hello,python,numpy,0.0
hi,python,pandas,1.0
ho,c++,vector,0.0
ho,c++,std,1.0
go,c++,std,0.0
源代码
sample = pd.read_csv('
浏览 1提问于2016-08-27得票数 0
回答已采纳
1回答
为了将Pandas中的groupby“连接”几行到一个列表，我可以这样做：
df = pd.DataFrame({'A': [1,1,2,2,2,2,3],'B':['a','b','c','d','e','f','g']})
df = df.groupby('A')['B'].apply(list)
我会得到：
A
-------------------
1 [a, b]
2 [c, d, e
浏览 0提问于2016-11-01得票数 3
回答已采纳
我正在使用pyspark来读取一个数据，当列的值“is以外”==1的值时，它计算了"montant“的和。
但我知道这个错误：
文件""，第5行时(col(“isFraud”) =1，sum("montant")) ^ SyntaxError:关键字不能是表达式
在这里，代码：
CNP_df_fraude= (tx_wd_df
#.filter("isFraude =='1'").filter("POS_Card_Presence =='CardNotPresent&#
浏览 4提问于2019-10-04得票数 0
4回答
使用熊猫的dataframe和执行一个组的总和，除了一个ID列，我只想保留它的第一个值。下面是开始数据访问的内容：
ID color height weight
id_1 blue 60 10
id_2 red 50 30
id_3 blue 100 30
id_4 orange 60 35
id_5 red 100 30
因此，所需的输出数据将如下所示：
ID color height weight
id_1 blue 160 40
i
浏览 2提问于2021-01-19得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
