我正在尝试在pandas聚合中执行计算。我希望计算包含在聚合中。我正在尝试的代码如下。我也在为df使用pandas包。
data = data.groupby(['type', 'name']).agg({'values': [np.min, np.max, 100 * sum([('values' > 3200)] / [np.size])]})
我想要计算的公式如下：
100 * sum((values > 3200) / (np.size))
这是np是聚合的大小的地方（聚合的数字限于数字> 3200）。如何在聚合中执行这样的计算会有很大的帮助。
示例输入数据（实际数据集要大得多）。重复值归因于聚合。
type, name, values
apple, blue, 2500
orange, green, 2800
peach, black, 3300
lemon, white, 3500
期望的示例输出（由于我还没有能够执行计算，数字不正确）：
type, name, values, np.min, np.max, calcuation
apple, blue, 2500, 1200, 40000, 2300
orange, green, 2800, 1200, 5000, 2500
答案 0 :(得分：1)
传递df.agg字典用于指定输出列的名称，在这里你基本上编写了一个聚合函数，它试图为一个命名列使用三个公式，并且该列已经在你的数据帧，所以它将失败。
你应该做的事情看起来应该更像：
data = data.groupby(['type', 'name']).agg({'min':np.min, 'max':np.max, 'calculation': calculation})
您将计算功能重写为lambda或自定义函数，具体取决于您的操作方式。
答案 1 :(得分：0)
您需要定义作用于该组的函数，以便为您提供大于3200的值的百分比，并将其与另一个函数一起传递到.agg：
func = lambda series: 100* (series > 3200).mean();
data.groupby(['type', 'name']).values.agg({'min': min, 'max': max, 'calculation': func})
布尔向量的平均值给出了True值的百分比，这是计算它的更好方法。此外，您可以将常用函数名称（例如min和max in）作为字符串传递。