通過特定的類

Question

這裏大熊貓之行是我quesition：
把這個數據幀（從這個question剪輯）例如：

date  type  0   1    2   3    
2003-01-01 unemp 1.733275e+09 2.067889e+09 3.279421e+09 3.223396e+09 
2005-01-01 unemp 1.413758e+09 2.004171e+09 2.383106e+09 2.540857e+09 
2007-01-01 unemp 1.287548e+09 1.462072e+09 2.831217e+09 3.528558e+09 
2009-01-01 unemp 2.651480e+09 2.846055e+09 5.882084e+09 5.247459e+09 
2011-01-01 unemp 2.257016e+09 4.121532e+09 4.961291e+09 5.330930e+09 
2013-01-01 unemp 7.156784e+08 1.182770e+09 1.704251e+09 2.587171e+09 
2003-01-01 emp 6.e+09 9.692455e+09 2.288822e+10 3.215460e+10 
2005-01-01 emp 5.647393e+09 9.597211e+09 2.121828e+10 3.107219e+10 
2007-01-01 emp 4.617047e+09 8.030113e+09 2.005203e+10 2.755665e+10 

我的目標：

總結了具有不同類型的行（的失業/ EMP），並作出新的數據幀是這樣的：

http://i12.tietuku.com/49ae1e801254f460.png

Answer 1

ü SE一個groupby-sum：

>>> df.groupby('type').sum().reset_index() 
    type 0 1 2 3 
0 emp 16276837000 27319779000 64158530000 90783440000 
1 unemp 10058755400 13684489000 21041370000 22458371000 

Answer 2

你可以嘗試用groupbysum：

print df.groupby('type').sum() 
       0   1   2   3 
type              
emp 16276837000 27319779000 64158530000 90783440000 
unemp 10058755400 13684489000 21041370000 22458371000 

或者：

print df.groupby('type', as_index=False).sum() 
    type   0   1   2   3 
0 emp 16276837000 27319779000 64158530000 90783440000 
1 unemp 10058755400 13684489000 21041370000 22458371000