Question

我正在尝试使用.groupby与pandas dataframe进行多次计算，并使用以下数据：

import numpy as np
import pandas as pd

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
                              'foo', 'bar', 'foo', 'foo'],
                       'B' : ['one', 'one', 'two', 'three',
                              'two', 'two', 'one', 'three'],
                       'C' : np.random.randn(8),
                       'D' : np.random.randn(8)})
In [2]: df
Out[2]: 
     A      B         C         D
0  foo    one  0.469112 -0.861849
1  bar    one -0.282863 -2.104569
2  foo    two -1.509059 -0.494929
3  bar  three -1.135632  1.071804
4  foo    two  1.212112  0.721555
5  bar    two -0.173215 -0.706771
6  foo    one  0.119209 -1.039575
7  foo  three -1.044236  0.271860

我想以更短更快的方式计算以下输出：

 A    B          var1     var2      var3
bar  one      0.000000  0.000000  0.000000
     three    0.000000  0.000000  0.000000
     two      0.000000  0.000000  0.000000
foo  one      0.822999  19.705290 0.731207
     three    0.000000  0.000000  0.000000
     two      0.229541  5.509553  0.697971

目前我知道如何以单独的方式做到这一点：

# lambda functions to apply
diff = lambda x: max(x)-min(x)
per = lambda x: (max(x)-min(x))/max(x)
ratio1 = lambda x: (max(x)-min(x))/ len(x)

# grouping using col C
df.groupby(['A','B'])['C'].apply(diff)   # var1

#Grouping using col D
df.groupby(['A','B'])['D'].apply(per)    # var2
df.groupby(['A','B'])['D'].apply(ratio1) #var3

编辑：我知道如何在数据帧中加入所有结果，但我想知道如何在一个中执行这3个操作。任何建议都被接受，即使不是因为性能低下也不能做到一切......

Answer 1

您可以使用agg()：

df.groupby(['A','B']).agg({'C': diff, 'D': [per, ratio1]})

要跳过重命名部分，您可以调用函数var1，var2和var3并在groupby中使用它。

var1 = lambda x: max(x)-min(x)
var2 = lambda x: (max(x)-min(x))/max(x)
var3 = lambda x: (max(x)-min(x))/ len(x)
df.groupby(['A','B']).agg({'C': var1, 'D': [var2, var3]})
df.columns = df.columns.droplevel()

修改

尝试：

def var1(x): return max(x)-min(x) def var2(x): return (max(x)-min(x))/max(x) def var3(x): return (max(x)-min(x))/ len(x)

编辑编辑

这适用于我pandas版本0.19.2：

import numpy as np import pandas as pd df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'B' : ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'], 'C' : np.random.randn(8), 'D' : np.random.randn(8)}) def var1(x): return max(x)-min(x) def var2(x): return (max(x)-min(x))/max(x) def var3(x): return (max(x)-min(x))/ len(x) df = df.groupby(['A','B']).agg({'C': var1, 'D': [var2, var3]}) df.columns = df.columns.droplevel()

一次在数据框中进行多个操作

1 个答案: