Question

这类似于Attach a calculated column to an existing dataframe，但是，当在pandas v0.14中按多个列进行分组时，该解决方案不起作用。

例如：

$ df = pd.DataFrame([
    [1, 1, 1],
    [1, 2, 1],
    [1, 2, 2],
    [1, 3, 1],
    [2, 1, 1]],
    columns=['id', 'country', 'source'])

以下计算有效：

$ df.groupby(['id','country'])['source'].apply(lambda x: x.unique().tolist())


0       [1]
1    [1, 2]
2    [1, 2]
3       [1]
4       [1]
Name: source, dtype: object

但是将输出分配给新列会导致错误：

df['source_list'] = df.groupby(['id','country'])['source'].apply(
                               lambda x: x.unique().tolist())

TypeError：带有帧索引的插入列的不兼容索引

Answer 1

将分组结果与初始DataFrame合并：

>>> df1 = df.groupby(['id','country'])['source'].apply(
             lambda x: x.tolist()).reset_index()

>>> df1
  id  country      source
0  1        1       [1.0]
1  1        2  [1.0, 2.0]
2  1        3       [1.0]
3  2        1       [1.0]

>>> df2 = df[['id', 'country']]
>>> df2
  id  country
1  1        1
2  1        2
3  1        2
4  1        3
5  2        1

>>> pd.merge(df1, df2, on=['id', 'country'])
  id  country      source
0  1        1       [1.0]
1  1        2  [1.0, 2.0]
2  1        2  [1.0, 2.0]
3  1        3       [1.0]
4  2        1       [1.0]

Answer 2

这可以通过将groupby.apply的结果重新分配给原始数据帧而无需合并来实现。

df = df.groupby(['id', 'country']).apply(lambda group: _add_sourcelist_col(group))

使用您的_add_sourcelist_col函数，

def _add_sourcelist_col(group):
    group['source_list'] = list(set(group.tolist()))
    return group

请注意，还可以在定义的函数中添加其他列。只需将它们添加到每个组数据框中，并确保在函数声明的末尾返回该组。

编辑：我将保留上面的信息，因为它可能仍然有用，但是我误解了原始问题的一部分。 OP试图完成的任务可以使用

df = df.groupby(['id', 'country']).apply(lambda x: addsource(x))

def addsource(x):
    x['source_list'] = list(set(x.source.tolist()))
    return x

Answer 3

一种避免事后合并的替代方法是在应用于每个组的函数中提供索引，例如

def calculate_on_group(x):
    fill_val = x.unique().tolist()
    return pd.Series([fill_val] * x.size, index=x.index)

df['source_list'] = df.groupby(['id','country'])['source'].apply(calculate_on_group)

按多列对数据帧进行分组，并将结果附加到数据帧

3 个答案: