python - 如何对每一组pandas groupby应用不同的功能？

Question

如果我有如下数据框，

import numpy as np
import pandas as pd
df2 = pd.DataFrame({'type':['A', 'A', 'B', 'B', 'C', 'C'], 'value':np.random.randn(6)})
>>> df2
  type     value
0    A -1.136014
1    A -0.715392
2    B -1.961665
3    B -0.525517
4    C  1.358249
5    C  0.652092

我想按“类型”列对数据框进行分组，并对每个组应用不同的函数，例如，对于类型为 A 的组，min，max 对于类型 B 的组，mean 对于类型 C 的组。

编辑2014-08-05 12:00 GMT+8:

用户提供了一些非常好的答案。但我使用 groupby 的原因是因为我希望结果在同一个数据框中，如下所示:

  type     value
0    A -1.136014
1    B -0.525517
2    C  1.005171

感谢任何帮助~

Answer 1

赞成 abarnert 的答案，因为这是一个很好的答案。

另一方面，为了根据OP的规范回答OP的问题:

for group in df2.groupby('type'):
    print group
    if group[0] == 'A':
        print group[1].min()
    if group[0] == 'B':
        print group[1].max()
    if group[0] == 'C':
        print group[1].mean()

另一方面，我建议简单地计算每个组的所有内容，因为无论如何它都很容易。这就是执行 groupby 操作背后的意图。

In [5]: summary = pd.DataFrame()

In [6]: summary['mean'] = df2.groupby('type').mean()['value']

In [7]: summary['min'] = df2.groupby('type').min()['value']

In [8]: summary['max'] = df2.groupby('type').max()['value']

摘要将如下所示:

In [9]: summary
Out[9]: 
          mean       min       max
type                              
A     0.440490  0.231633  0.649346
B     0.172303  0.023094  0.321513
C     0.669650 -0.373361  1.712662