python - pandas 中涉及两列的聚合

Question

假设我有一个具有以下结构的 pandas 数据框:

df = pd.DataFrame(dict(a=["x", "x", "y"], b=[0, 1, 1], c=[1, 2, 2]))

我想按 a 进行聚合分组，并进行依赖于 b 和 c 的聚合。我想做一些类似的事情:

df.groupby("a").agg(lambda df: (df["b"] - df["c"]).sum())

但这会在 pandas 中引发以下错误:

KeyError: 'b'

在 pandas 中是否有一种简单的方法可以做到这一点？

---

我当然知道我可以做类似的事情

df.assign(new_b = lambda df: df["b"] - df["c"]).groupby("a").agg({"new_b": 'sum'})

给出以下结果:

   new_b
a
x     -2
y     -1

但必须有一个更简单的方法。

Answer 1

由于您的运算符是可交换的，因此您可以执行以下操作:

out = df.groupby('a').sum()
out['new_b'] = out['b'] - out['c']

输出:

   b  c  new_b
a             
x  1  3     -2
y  1  2     -1

注意:你已经很接近了，这会起作用

df.groupby("a").apply(lambda d: (d["b"] - d["c"]).sum())

区别在于 apply 将整个(子)数据帧作为参数，而 agg 将整个(子)数据帧的每一列作为参数。