我有一个看起来像这样的 DataFrame:
A B C D
1 10 22 14
1 12 20 37
1 11 8 18
1 10 10 6
2 11 13 4
2 12 10 12
3 14 0 5
和一个看起来像这样的函数(注意:它实际上在做一些更复杂的事情,不能轻易分成三个独立的调用,但为了清楚起见,我进行了简化): p>
def myfunc(g):
return min(g), mean(g), max(g)
我想在 A
上使用 groupby
和 myfunc
来获取 B
和 列的输出>C
(忽略 D
)是这样的:
B C
min mean max min mean max
A
1 10 10.75 12 8 15.0 22
2 11 11.50 12 10 11.5 13
3 14 14.00 14 0 0.0 0
我可以做以下事情:
df2.groupby('A')[['B','C']].agg(
{
'min': lambda g: myfunc(g)[0],
'mean': lambda g: myfunc(g)[1],
'max': lambda g: myfunc(g)[2]
})
但是,除了这很丑陋并且多次调用 myfunc
之外,我最终得到了
max mean min
B C B C B C
A
1 12 22 10.75 15.0 10 8
2 12 13 11.50 11.5 11 10
3 14 0 14.00 0.0 14 0
我可以使用 .swaplevel(axis=1)
来交换列级别,但即便如此,B
和 C
也是重复的列,并且通过多个函数调用,感觉就像找错了树。
最佳答案
如果您安排 myfunc
返回一个 DataFrame,其列为 ['A','B','C','D']
并且其行索引是 ['min', 'mean', 'max']
,那么您可以使用 groupby/apply
调用该函数(每个组一次)并连接结果根据需要:
import numpy as np
import pandas as pd
def myfunc(g):
result = pd.DataFrame({'min':np.min(g),
'mean':np.mean(g),
'max':np.max(g)}).T
return result
df = pd.DataFrame({'A': [1, 1, 1, 1, 2, 2, 3],
'B': [10, 12, 11, 10, 11, 12, 14],
'C': [22, 20, 8, 10, 13, 10, 0],
'D': [14, 37, 18, 6, 4, 12, 5]})
result = df.groupby('A')[['B','C']].apply(myfunc)
result = result.unstack(level=-1)
print(result)
打印
B C
max mean min max mean min
A
1 12.0 10.75 10.0 22.0 15.0 8.0
2 12.0 11.50 11.0 13.0 11.5 10.0
3 14.0 14.00 14.0 0.0 0.0 0.0
对于可能遇到此问题且不需要自定义函数的其他人,请注意
您应该始终使用 builtin aggregators (下面,由
strings 'min'
, 'mean'
and 'max'
) 如果可能的话。他们表现得比
自定义 Python 函数。令人高兴的是,在这个玩具问题中,它产生了预期的结果:
In [99]: df.groupby('A')[['B','C']].agg(['min','mean','max'])
Out[99]:
B C
min mean max min mean max
A
1 10 10.75 12 8 15.0 22
2 11 11.50 12 10 11.5 13
3 14 14.00 14 0 0.0 0
关于python - Pandas groupby 聚合到新列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42534806/