Question

df1是包含4列的DataFrame。

我想创建一个新的DataFrame（df2），方法是将df1与列'A'分组，并在'C'和'D'列上进行多列操作

列'AA'=平均值（C）+平均值（D）

列'BB'= std（D）

df1= pd.DataFrame({
    'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'],
    'B' : ['one', 'one', 'two', 'three','two', 'two', 'one', 'three'],
    'C' : np.random.randn(8), 
    'D' : np.random.randn(8)})

   A      B         C         D
0  foo    one  1.652675 -1.983378
1  bar    one  0.926656 -0.598756
2  foo    two  0.131381  0.604803
3  bar  three -0.436376 -1.186363
4  foo    two  0.487161 -0.650876
5  bar    two  0.358007  0.249967
6  foo    one -1.150428  2.275528
7  foo  three  0.202677 -1.408699

def fun1(gg): # this does not work
    return pd.DataFrame({'AA':C.mean()+gg.C.std(), 'BB':gg.C.std()})


dg1 = df1.groupby('A')
df2 = dg1.apply(fun1)

这不起作用。似乎aggregation（）仅适用于Series和多列操作是不可能的。而apply（）只生成具有多列操作的Series输出。有没有其他方法可以使用多列操作生成多列输出（DataFrame）？

Answer 1

您的f函数中是否有拼写错误？ AA应C.mean() + C.std()或C.mean() + D.mean()

在第一种情况下，AA = C.mean() + C.std()，

In [91]: df = df1.groupby('A').agg({'C': lambda x: x.mean() + x.std(),
                                    'D': lambda x  x.std()})

In [92]: df
Out[92]: 
            C         D
A                      
bar  1.255506  0.588981
foo  1.775945  0.442724

对于第二个C.mean() + D.mean()，事情并不那么好。当你给groupby对象上的.agg函数一个dict时，我认为没有办法从两列获取值。

In [108]: g = df1.groupby('A')

In [109]: df = pd.DataFrame({"AA": g.mean()['C'] + g.mean()['D'], "BB": g.std()['D']})

In [110]: df
Out[110]: 
           AA        BB
A                      
bar  0.532263  0.721351
foo  0.427608  0.494980

您可能希望将g.mean（）和g.std（）分配给临时变量，以避免计算它们两次。

Python Pandas：Groupby和Apply多列操作

1 个答案: