Question

我想将df.groupby()与apply()结合使用，将函数应用于每个组的每一行。

我通常使用以下代码，通常可以使用（请注意，这不是groupby()）：

df.apply(myFunction, args=(arg1,))

使用groupby()我尝试了以下内容：

df.groupby('columnName').apply(myFunction, args=(arg1,))

但是，我收到以下错误：

TypeError：myFunction（）得到了一个意外的关键字参数＆＃39; args＆＃39;

因此，我的问题是：如何将groupby()和apply()与需要参数的函数一起使用？

Answer 1

pandas.core.groupby.GroupBy.apply没有命名的参数args，但pandas.DataFrame.apply确实拥有它。

所以试试这个：

df.groupby('columnName').apply(lambda x: myFunction(x, arg1))

或@Zero建议：

df.groupby('columnName').apply(myFunction, ('arg1'))

演示：

In [82]: df = pd.DataFrame(np.random.randint(5,size=(5,3)), columns=list('abc'))

In [83]: df
Out[83]:
   a  b  c
0  0  3  1
1  0  3  4
2  3  0  4
3  4  2  3
4  3  4  1

In [84]: def f(ser, n):
    ...:     return ser.max() * n
    ...:

In [85]: df.apply(f, args=(10,))
Out[85]:
a    40
b    40
c    40
dtype: int64

使用GroupBy.apply时，您可以传递命名参数：

In [86]: df.groupby('a').apply(f, n=10)
Out[86]:
    a   b   c
a
0   0  30  40
3  30  40  40
4  40  20  30

一个参数元组：

In [87]: df.groupby('a').apply(f, (10))
Out[87]:
    a   b   c
a
0   0  30  40
3  30  40  40
4  40  20  30

Answer 2

为什么使用args参数会引发错误，可能会产生一些混淆可能源于pandas.DataFrame.apply确实有args参数（元组）的事实，而pandas.core.groupby.GroupBy.apply没有。

因此，当您在DataFrame上调用.apply时，您可以使用此参数;当你在groupby对象上调用.apply时，你不能。

在@ MaxU的回答中，表达式lambda x: myFunction(x, arg1)被传递给func（第一个参数）;无需指定其他*args / **kwargs，因为在lambda中指定了arg1。

一个例子：

import numpy as np
import pandas as pd

# Called on DataFrame - `args` is a 1-tuple
# `0` / `1` are just the axis arguments to np.sum
df.apply(np.sum, axis=0)  # equiv to df.sum(0)
df.apply(np.sum, axis=1)  # equiv to df.sum(1)


# Called on groupby object of the DataFrame - will throw TypeError
print(df.groupby('col1').apply(np.sum, args=(0,)))
# TypeError: sum() got an unexpected keyword argument 'args'

Answer 3

对我

df2 = df.groupby('columnName').apply(lambda x: my_function(x, arg1, arg2,))

工作

使用Pandas groupby（）+ apply（）和参数

3 个答案: