Question

是否需要指定groupby调用以在apply lambda函数中使用组名。

例如，如果我遍历组，我可以通过以下元组分解得到组密钥：

for group_name, subdf in temp_dataframe.groupby(level=0, axis=0):
    print group_name

是否可以在apply函数中获取组名，例如：

temp_dataframe.groupby(level=0,axis=0).apply(lambda group_name, subdf: foo(group_name, subdf)

如何将组名作为apply lambda函数的参数？

谢谢！

Answer 1

我认为您应该能够使用name属性：

temp_dataframe.groupby(level=0,axis=0).apply(lambda x: foo(x.name, x))

应该有效，例如：

In [132]:
df = pd.DataFrame({'a':list('aabccc'), 'b':np.arange(6)})
df

Out[132]:
   a  b
0  a  0
1  a  1
2  b  2
3  c  3
4  c  4
5  c  5

In [134]:
df.groupby('a').apply(lambda x: print('name:', x.name, '\nsubdf:',x))

name: a 
subdf:    a  b
0  a  0
1  a  1
name: b 
subdf:    a  b
2  b  2
name: c 
subdf:    a  b
3  c  3
4  c  4
5  c  5
Out[134]:
Empty DataFrame
Columns: []
Index: []

Answer 2

对于那些正在寻找问题答案的人：

在 transform 函数pandas python
中包含组名

并最终进入该线程，请继续阅读。

提供以下输入：

df = pd.DataFrame(data={'col1': list('aabccc'),
                        'col2': np.arange(6),
                        'col3': np.arange(6)})

数据：

    col1    col2    col3
0   a       0       0
1   a       1       1
2   b       2       2
3   c       3       3
4   c       4       4
5   c       5       5

我们可以像这样访问组名（在调用 apply 函数的范围内可见）：

df.groupby('a') \
.apply(lambda frame: frame \
       .transform(lambda col: col + 3 if frame.name == 'a' and col.name == 'b' else col))

输出：

    col1    col2    col3
0   a       3       0
1   a       4       1
2   b       2       2
3   c       3       3
4   c       4       4
5   c       5       5

请注意，需要调用apply来获取对子pandas.core.frame.DataFrame（即帧）的引用，该子帧包含相应子组的名称属性。转换参数（即col）的name属性是指列/系列名称。

或者，也可以在组上循环，然后在每个组内循环到列：

for grp_name, sub_df in df.groupby('col1'):
    for col in sub_df:
        if grp_name == 'a' and col == 'col2':
            df.loc[df.col1 == grp_name, col] = sub_df[col] + 3

我的用例很少见，这是实现我的目标的唯一方法（自pandas v0.24.2起）。但是，我建议您彻底研究pandas文档，因为最有可能针对您可能需要此构造的对象使用矢量化的解决方案。

在apply函数pandas python中包含组名

2 个答案: