时间戳

首页 > 解决方案 > Groupby 应用自定义函数 Pandas

python - Groupby 应用自定义函数 Pandas

问题描述

我正在尝试在 pandas 中应用一个自定义函数，类似于 dplyr 中的 groupby 和 mutate 功能。

我想要做的是说给定一个像这样的熊猫数据框：

df = pd.DataFrame({'category1':['a','a','a', 'b', 'b','b'],
  'category2':['a', 'b', 'a', 'b', 'a', 'b'],
  'var1':np.random.randint(0,100,6),
  'var2':np.random.randint(0,100,6)}
)

df
  category1 category2  var1  var2
0         a         a    23    59
1         a         b    54    20
2         a         a    48    62
3         b         b    45    76
4         b         a    60    26
5         b         b    13    70

应用一些函数，该函数返回与组中元素数量相同的元素数量：

def myfunc(s):
  return [np.mean(s)] * len(s)

得到这个结果

df
  category1 category2  var1  var2   var3
0         a         a    23    59   35.5
1         a         b    54    20   54
2         a         a    48    62   35.5
3         b         b    45    76   29
4         b         a    60    26   60
5         b         b    13    70   29

我在想一些事情：

df['var3'] = df.groupby(['category1', 'category2'], group_keys=False).apply(lambda x: myfunc(x.var1))

但无法让索引匹配。

在带有 dplyr 的 R 中，这将是

df <- df %>%
  group_by(category1, category2) %>%
  mutate(
    var3 = myfunc(var1)
  )

所以我能够通过使用自定义函数来解决它，例如：

def myfunc_data(data):

  data['var3'] = myfunc(data.var1)
  return data

和

df = df.groupby(['category1', 'category2']).apply(myfunc_data)

但我想我仍然想知道是否有办法在不定义这个自定义函数的情况下做到这一点。

标签： pythonpandasdplyr

解决方案

用于与 original 具有相同大小GroupBy.transform的返回，因此可以分配给新列：SeriesDataFrame

np.random.seed(123)

df = pd.DataFrame({'category1':['a','a','a', 'b', 'b','b'],
  'category2':['a', 'b', 'a', 'b', 'a', 'b'],
  'var1':np.random.randint(0,100,6),
  'var2':np.random.randint(0,100,6)}
)

df['var3'] = df.groupby(['category1', 'category2'])['var1'].transform(myfunc)
print (df)
  category1 category2  var1  var2  var3
0         a         a    66    86    82
1         a         b    92    97    92
2         a         a    98    96    82
3         b         b    17    47    37
4         b         a    83    73    83
5         b         b    57    32    37

替代lambda function：

df['var3'] = (df.groupby(['category1', 'category2'])['var1']
                .transform(lambda s: [np.mean(s)] * len(s)))

推荐阅读