Question

我按照以下列之一对我的数据框进行分组，如下所示（使用iris数据集的示例）：

grouped_iris = iris.groupby(by="Name")

我想为每个组应用一个函数，该函数使用grouped_iris中的列的子集执行特定操作。我如何应用针对每个组的功能（Name的每个值）总和PetalLength和PetalWidth并将其放入名为SumLengthWidth的新列中？我知道我可以将每个组的所有列与agg相加，如下所示：

grouped_iris.agg(sum)

但我正在寻找的是对此的一种扭曲：我不想对每列的特定Name的所有条目求和，而是只想对列的一部分求和（SepalWidth, SepalLength）对于每个Name组。感谢。

Answer 1

这似乎有些不优雅，但是做的工作是：

grouped_iris[['PetalLength', 'PetalWidth']].sum().sum(axis=1)

Answer 2

无法判断您是否需要汇总数字（在这种情况下，Andy的解决方案是您想要的），或者您是否希望将其转换回原始数据帧。如果是后者，您可以使用transform

In [33]: cols = ['PetalLength', 'PetalWidth']

In [34]: transformed = grouped_iris[cols].transform(sum).sum(axis=1)

In [35]: iris['SumLengthWidth'] = transformed

In [36]: iris.head()
Out[36]: 
   SepalLength  SepalWidth  PetalLength  PetalWidth         Name  SumLengthWidth
0          5.1         3.5          1.4         0.2  Iris-setosa            85.4
1          4.9         3.0          1.4         0.2  Iris-setosa            85.4
2          4.7         3.2          1.3         0.2  Iris-setosa            85.4
3          4.6         3.1          1.5         0.2  Iris-setosa            85.4
4          5.0         3.6          1.4         0.2  Iris-setosa            85.4

修改：一般情况示例

通常，对于数据框df，使用sum聚合groupby会为您提供每个组的总和

In [47]: df
Out[47]: 
  Name  val1  val2
0  foo     6     3
1  bar    17     4
2  foo    16     6
3  bar     7     3
4  foo     6    13
5  bar     7     1

In [48]: grouped = df.groupby('Name')

In [49]: grouped.agg(sum)
Out[49]: 
      val1  val2
Name            
bar     31     8
foo     28    22

在您的情况下，您有兴趣对这些行进行求和：

In [50]: grouped.agg(sum).sum(axis=1)
Out[50]: 
Name
bar     39
foo     50

但那只能给你2个数字;每组1个。通常，如果您希望将这两个数字投射回原始数据框，则需要使用transform：

In [51]: grouped.transform(sum)
Out[51]: 
   val1  val2
0    28    22
1    31     8
2    28    22
3    31     8
4    28    22
5    31     8

请注意这些值与agg，但生成的值完全相同，即它与原始df具有相同的尺寸。另请注意每个其他值是如何重复的，因为行[0,2,4]和[1,3,5]是相同的组。在您的情况下，您需要两个值的总和，因此您可以在行之间对此进行求和。

In [52]: grouped.transform(sum).sum(axis=1)
Out[52]: 
0    50
1    39
2    50
3    39
4    50
5    39

您现在有一个与原始数据帧长度相同的系列，因此您可以将其作为列分配回来（或者用它做你喜欢的事情）：

In [53]: df['val1 + val2 by Name'] = grouped.transform(sum).sum(axis=1)

In [54]: df
Out[54]: 
  Name  val1  val2  val1 + val2 by Name
0  foo     6     3                   50
1  bar    17     4                   39
2  foo    16     6                   50
3  bar     7     3                   39
4  foo     6    13                   50
5  bar     7     1                   39

如何将函数应用于Python pandas中的分组数据帧？

2 个答案: