python - Pandas Groupby 对不同的列使用不同的 agg 方法

Question

这是场景：

• 对于 ML 问题，我有一个包含 314 列和超过 300.000 行的大型有序数据集。

• 我想按 X 列（供应商）对数据集进行分组。

• 一列是日期时间类型，一些列本质上是数字的，而另一些列是从某些分类列中一次性编码的。

期望的输出：

• 我想按 X 列分组，并按“均值”汇总数字列，按“最后”汇总一些列，按“总和”汇总单热编码的列。都在同一个 agg 方法上。

因为我们谈论的是一个 314 列的数据集，所以我不能只创建一个包含每一列的字典。

df_train.groupby('Supplier').agg({<some columns> : 'last', <some columns>: 'sum', <some columns>: 'mean' })

PS：我使用我想应用不同聚合的顺序对列进行排序。

标签： pythonpandasgroup-by

Answer 1

您可以使用select_dtypes来获取数字列，并在字典理解中使用这些列。

numeric_cols = df_train.select_dtypes('numeric').columns

agg_dict = {c: 'sum' if c in numeric_cols else 'last' for c in df_train.columns}

grouped = df_train.groupby('Supplier').agg(agg_dict)

关于您的 one-hot 编码列，您需要提供有关如何识别它们的更多信息。