我正在尝试进行自定义聚合(以及其他几个标准聚合)。
像这样的东西:
df = pd.DataFrame(
[["red", 1, 10], ["red", 2, 20], ["green", 5, 15]],
columns=["color", "x", "y"]
)
df2 = (
df
.groupby(["color"])
.agg(amt1=("x", "sum"),
amt2=("x", "mean"),
amt3=("y", "sum"),
# this does not work...
amt4= (0.9 * (x.sum() - y.mean()) / x.max()) + 1
)
)
df2
谢谢你的帮助。
最佳答案
我认为不能直接在自定义函数中使用两列 agg
,您在这里有两个选择。要么使用 apply
对于这个特定的自定义函数和 concat
与 agg
其他的,或使用基于索引的选择。
# option 1
gr = df.groupby(["color"])
df2 = pd.concat([gr.agg(amt1=("x", "sum"), amt2=("x", "mean"), amt3=("y", "sum")),
gr.apply(lambda dfg: (0.9 * (dfg.x.sum() - df.y.mean())
/ dfg.x.max()) + 1)
.rename('amt4')],
axis=1 )
# option 2
df2 = (df.groupby(["color"])
.aggregate(amt1=("x", "sum"), amt2=("x", "mean"), amt3=("y", "sum"),
amt4= ('x', lambda x: (0.9 * (x.sum() - df.loc[x.index, 'y'].mean())
/ x.max()) + 1))
)
只要索引在 df 中是唯一的,两者都会给出相同的结果
在新版本中使用选项 2 需要常规功能 bug description
def named_lambda(x):
return (0.9 * (x.sum() - df.loc[x.index, 'y'].mean()) / x.max()) + 1
df2 = (df.groupby(["color"])
.aggregate(amt1=("x", "sum"), amt2=("x", "mean"), amt3=("y", "sum"),
amt4= ('x', named_lambda))
)
关于python - Pandas 中的自定义聚合表达式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61821290/