Question

我想对DataFrame进行分组，然后应用多个列的函数返回单个结果。

In [25]: length = 100
In [26]: rnd = np.random.random
In [27]: df = pd.DataFrame(dict(group=np.random.choice(['a','b','c'], length), foo=rnd(length), bar=rnd(length)))
In [28]: df.head()
Out[28]: 
        bar       foo group
0  0.068853  0.201808     a
1  0.148494  0.722194     c
2  0.902275  0.865231     b
3  0.933513  0.843651     a
4  0.910224  0.671588     a

但是，如果我执行了aggregate，我会将结果返回两次（GroupBy后每个剩余列一次。）我做错了什么？

In [29]:  df.groupby('group').agg(lambda g: sum(g.bar + g.foo))
Out[29]: 
             bar        foo
group                      
a      36.937812  36.937812
b      33.021105  33.021105
c      30.274639  30.274639

我真正想要的只是Series，结果与Out[29]相同。

Answer 1

我认为这是因为agg倾向于保持与原始群组相同的ndim，而不是将群组从ndim=2挤压到ndim=1。这就是说，你的子组是nx2 ndarray，计算确实返回一个标量，然后它以1x2广播到非压缩ndarray（所以它仍然是2 d数组与原始列）。或者，换句话说，规则agg是在axis=0之间聚合子组数据帧（nx2），因此返回的形状必须为1x2。因此，即使您获得了标量结果，当.agg返回结果时，它也会被广播为1x2。

可以使用apply而不是agg修复此问题，因为apply对返回的形状没有约束。

df.groupby('group').apply(lambda g: sum(g.bar + g.foo))

group
a    39.4419
b    27.2982
c    25.3910
dtype: float64

Answer 2

如果你不介意按步骤做，为什么不这样做：

In [52]:
df = df.groupby('group').sum()
df['foobar']=df.foo + df.bar
new_series = df.loc[:,'foobar']
new_series

Out[52]:
group
a        33.047944
b        30.503071
c        30.899891
Name: foobar, dtype: float64

In [53]:
type(new_series)

Out[53]:
pandas.core.series.Series

将函数应用于DataFrame GroupBy并返回较少的列

2 个答案: