Question

我有一个看起来像这样的DataFrame：

A    B    C   D
1    10   22  14
1    12   20  37
1    11   8   18
1    10   10  6
2    11   13  4
2    12   10  12
3    14   0   5

和一个看起来像这样的函数（注意：它实际上做的事情更复杂，不能轻易分成三个独立的调用，但我为了清晰起见而简化）：

def myfunc(g):
    return min(g), mean(g), max(g)

我想在groupby上使用A和myfunc来获取B列和C（忽略D）的输出像这样：

                B               C
   min  mean  max  min  mean  max
A
1  10  10.75  12     8  15.0   22
2  11  11.50  12    10  11.5   13
3  14  14.00  14     0   0.0    0

我可以做以下事情：

df2.groupby('A')[['B','C']].agg(
    {
        'min':  lambda g: myfunc(g)[0],
        'mean': lambda g: myfunc(g)[1],
        'max':  lambda g: myfunc(g)[2]
    })

但是，除了这个丑陋并多次调用myfunc之外 - 我最终还是

  max       mean       min
    B   C      B     C   B   C
A
1  12  22  10.75  15.0  10   8
2  12  13  11.50  11.5  11  10
3  14   0  14.00   0.0  14   0

我可以使用.swaplevel(axis=1)来交换列级别，但即使这样，B和C也在多个重复的列中，并且使用多个函数调用时感觉就像咆哮错误树。

Answer 1

如果您安排myfunc返回其列为['A','B','C','D']且行索引为['min', 'mean', 'max']的DataFrame，则可以使用groupby/apply来调用该函数（一次）对于每个组）并根据需要连接结果：

import numpy as np
import pandas as pd

def myfunc(g):
    result = pd.DataFrame({'min':np.min(g),
                           'mean':np.mean(g),
                           'max':np.max(g)}).T
    return result

df = pd.DataFrame({'A': [1, 1, 1, 1, 2, 2, 3],
 'B': [10, 12, 11, 10, 11, 12, 14],
 'C': [22, 20, 8, 10, 13, 10, 0],
 'D': [14, 37, 18, 6, 4, 12, 5]})

result = df.groupby('A')[['B','C']].apply(myfunc)
result = result.unstack(level=-1)
print(result)

打印

      B                  C            
    max   mean   min   max  mean   min
A                                     
1  12.0  10.75  10.0  22.0  15.0   8.0
2  12.0  11.50  11.0  13.0  11.5  10.0
3  14.0  14.00  14.0   0.0   0.0   0.0

对于可能遇到此问题并且不需要自定义功能的其他人，请注意你应该总是使用builtin aggregators（以下，由...指定）字符串'min'，'mean'和'max'）如果可能的话。他们的表现要好于自定义Python函数。令人高兴的是，在这个玩具问题中，它产生了预期的结果：

In [99]: df.groupby('A')[['B','C']].agg(['min','mean','max'])
Out[99]: 
    B              C          
  min   mean max min  mean max
A                             
1  10  10.75  12   8  15.0  22
2  11  11.50  12  10  11.5  13
3  14  14.00  14   0   0.0   0

Answer 2

这样的事情可能有用。

df2.groupby('A')[['B','C']]
aggregated = df2.agg(['min', 'mean', 'max'])

然后您可以使用交换级别来获取交换的列顺序

aggregated.columns = aggregated.columns.swaplevel(0, 1)
aggregated.sortlevel(0, axis=1, inplace=True)

Pandas groupby汇总到新列

2 个答案: