python - Pandas Groupby聚合返回自定义输出(不是一行)

Question

我有一个以下格式的数据框

| col1 | col2  | 
|  1   |  day1 |
|  1   |  day2 |
|  1   |  day3 |
|  2   |  day1 | 
|  2   |  day3 | 

我有一个非常定制的逻辑/函数，它适用于 col1 的一个值的单个数据帧，我希望将其应用于所有值。这有点像groupby。然而，我似乎没有得到正确的聚合部分，在我看来，它看起来只返回 1 个值(如 max/min/count/..)。如果我的聚合函数返回一个数据帧且行数超过 1 行怎么办？

例如，预期输出可能是

| col1 | col2       | 
|  1   |  day1-day2 |
|  1   |  day2-day3 |
|  2   |  day1-day3 |

正如您所知，有两行是从 group1 中生成的，一行是从 group2 中生成的。而且聚合逻辑是每两个连续的行串联，甚至更复杂。它有点像 Spark/Hadoop 中的映射缩减想法，但无法在 group.aggregate 中工作...

更新:

人们通常会使用groupby().agg(sum)，它的作用是sum返回1行或1个数字。但是，我有一个函数返回一个可能是 0,1 行或多行的数据帧，它肯定会减少行数，但还没有完全折叠到 1 行，就像 groupby().agg(func) 一样，是吗？可以在 groupby.agg 中执行此操作吗？

def func(xdf):
    res = []
    for i in range(len(xdf)-1):
        res.append(xdf.iloc[i] + '-' + xdf.iloc[i+1])
    return pd.DataFrame(res) # return a dataframe, not a number, not a row.

Answer 1

您可以使用groupby.apply，而不是使用groupby.agg，就像这样使用您的数据和函数func，您会得到

print (df.groupby('col1').apply(func))
             col2
col1             
1    0  day1-day2
     1  day2-day3
2    0  day1-day3

为了获得预期的输出格式，您也可以使用reset_index

print (df.groupby('col1').apply(func)
         .reset_index(level=0)
         .reset_index(drop=True))
   col1       col2
0     1  day1-day2
1     1  day2-day3
2     2  day1-day3

​但在您的实际情况下，您可能不需要它