使用df.mean()
时,我会得到一个结果,其中给出了每列的平均值。现在让我们说我想要第一列的平均值,以及第二列的总和。有没有办法做到这一点?我不想拆卸和重新组装DataFrame
。
我最初的想法是像pandas.groupby.agg()
这样做一些事情:
df = pd.DataFrame(np.random.random((10,2)), columns=['A','B'])
df.apply({'A':np.mean, 'B':np.sum}, axis=0)
Traceback (most recent call last):
File "<ipython-input-81-265d3e797682>", line 1, in <module>
df.apply({'A':np.mean, 'B':np.sum}, axis=0)
File "C:\Users\Patrick\Anaconda\lib\site-packages\pandas\core\frame.py", line 3471, in apply
return self._apply_standard(f, axis, reduce=reduce)
File "C:\Users\Patrick\Anaconda\lib\site-packages\pandas\core\frame.py", line 3560, in _apply_standard
results[i] = func(v)
TypeError: ("'dict' object is not callable", u'occurred at index A')
但显然这不起作用。似乎通过一个字典将是一种直观的方式,但是还有另一种方式(同样没有拆解和重新组装DataFrame
)?
答案 0 :(得分:13)
你可以尝试一个闭包:
def multi_func(functions):
def f(col):
return functions[col.name](col)
return f
df = pd.DataFrame(np.random.random((10, 2)), columns=['A', 'B'])
result = df.apply(multi_func({'A': np.mean, 'B': np.sum}))
答案 1 :(得分:2)
我认为你可以使用agg
方法和字典作为参数。例如:
df = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]})
df =
A B
0 0 3
1 1 4
2 2 5
df.agg({'A': 'mean', 'B': sum})
A 1.0
B 12.0
dtype: float64
答案 2 :(得分:1)
我自己就是面对这种情况,并提出以下建议:
In [1]: import pandas as pd
In [2]: df = pd.DataFrame([['one', 'two'], ['three', 'four'], ['five', 'six']],
...: columns=['A', 'B'])
In [3]: df
Out[3]:
A B
0 one two
1 three four
2 five six
In [4]: converters = {'A': lambda x: x[:1], 'B': lambda x: x.replace('o', '')}
In [5]: new = pd.DataFrame.from_dict({col: series.apply(converters[col])
...: if col in converters else series
...: for col, series in df.iteritems()})
In [6]: new
Out[6]:
A B
0 o tw
1 t fur
2 f six