我遇到了一些我自己无法解释的情况。首先是关于应用函数与变换函数。到目前为止,我了解到,应用适用于整个数据帧,而转换适用于每一行,因此比应用慢。这是我的数据框,
size id
40/6 2479
41/7 2479
42/8 2479
43/9 2479
44/10 2479
45/11 2479
46/12 2479
现在,当我应用 df.groupby('id')['size'].apply(lambda col: ', '.join(col))
它返回
0 NaN
1 NaN
2 NaN
3 NaN
4 NaN
5 NaN
6 NaN
但是如果我转换,df.groupby('id')['size'].transform(lambda col: ', '.join(col))
,我得到
0 40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
1 40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
2 40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
3 40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
4 40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
5 40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
6 40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
我想让它与 apply 一起工作,因为我有 300 万行,速度是重要因素。
第二期
当我的尺寸数据有空单元格时,即
size id
2479
41/7 2479
2479
43/9 2479
44/10 2479
45/11 2479
46/12 2479
使用应用或转换,我收到此错误,
类型错误:序列项 0:预期字符串,找到 float
我理解这是因为空值。我的问题是,我该如何克服这个问题?我需要可用值的并集并忽略 null。
最佳答案
我认为你需要dropna
使用 apply
时,应省略 lambda
:
df=df.dropna(subset=['size']).groupby('id')['size'].apply(', '.join).reset_index(name='col')
或者非常相似:
df = df['size'].dropna().groupby(df['id']).apply(', '.join).reset_index(name='col')
关于python - Pandas group by 返回 NAN 进行应用 vs 变换函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47810051/