python - Python 中的 plyr 或 dplyr

Question

这更像是一个概念问题，我没有具体问题。

我正在学习 Python 进行数据分析，但我对 R 非常熟悉 - R 的一大优点是 plyr(当然还有 ggplot2)，甚至更好的 dplyr。 Pandas 当然也有拆分应用，但是在 R 中我可以做类似的事情(在 dplyr 中，在 plyr 中有点不同，我现在可以看到 dplyr 如何模仿对象编程中的 . 符号)

   data %.% group_by(c(.....)) %.% summarise(new1 = ...., new2 = ...., ..... newn=....)

我同时创建多个汇总计算

我如何在 python 中做到这一点，因为

df[...].groupby(.....).sum() only sums columns, 

在 R 上，我可以在一次调用中获得一个均值、一个总和、一个特殊函数等

我意识到我可以单独执行所有操作并将它们合并，如果我使用 python 就可以了，但是当涉及到选择工具时，您不必键入、检查和验证任何代码行时间加起来

此外，在 dplyr 中，您还可以添加 mutate 语句，所以在我看来它更强大 - 所以我对 pandas 或 python 缺少什么 -

我的目标是学习，我花了很多精力学习python，这是一项值得投资，但问题仍然存在

Answer 1

我也是 dplyr for R 的忠实粉丝，并且正在努力提高我对 Pandas 的了解。由于您没有具体问题，我建议您查看下面的帖子，该帖子分解了整个介绍性 dplyr 小插图，并展示了如何使用 Pandas 完成所有这些工作。

例如，作者用 R 中的管道运算符演示了链接:

 flights %>%
   group_by(year, month, day) %>%
   select(arr_delay, dep_delay) %>%
   summarise(
      arr = mean(arr_delay, na.rm = TRUE),
      dep = mean(dep_delay, na.rm = TRUE)
       ) %>%
   filter(arr > 30 | dep > 30)

这是 Pandas 的实现:

flights.groupby(['year', 'month', 'day'])
   [['arr_delay', 'dep_delay']]
   .mean()
   .query('arr_delay > 30 | dep_delay > 30')

在原帖中有更多关于如何使用 Pandas 实现类似 dplyr 的操作的比较。 http://nbviewer.ipython.org/gist/TomAugspurger/6e052140eaa5fdb6e8c0