应用具有来自两个不同数据帧的参数的函数，其中group by。 （熊猫）

Question

我有以下任务困扰我。 我有一个函数，我想按组应用于pandas数据帧。此函数将来自另一个数据帧的1个系列作为输入，将来自当前数据的1作为输入。我尝试了很多不同的方法，但最终我找到了一个解决方案，但我想知道是否有更好的方法。

Bellow我提供了一个可重复的例子。

#load the data
import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
data1 = pd.DataFrame(data= np.c_[ iris['target'], iris['data']],  columns=  ['target'] + iris['feature_names'] )
data2 = pd.DataFrame({'x' : data1[data1.target == 0].iloc[:,1], 'y' :data1[data1.target == 0].iloc[:,2]})

# define one random function
def some_function(x, p):
    err = (x - p )
    return sum(err)

所以我的第一次尝试是：

data1.groupby('target').apply(lambda x: some_function(data2.iloc[:,0], data1.iloc[:,4])) # this does not work

尝试了许多不同的方法后，

 data1.groupby('target').apply(lambda x: some_function(data1.iloc[:,1], data1.iloc[:,4])) # this works
data1.groupby('target').apply(lambda x: some_function(data2.iloc[:,1],data1[data1.target==0].iloc[:,4])) # this works
    data1.groupby('target').apply(lambda x: some_function(data2.iloc[:,1], data1[data1.target==1].iloc[:,4])) # this does not work

我发现（经过很长一段时间）索引存在问题。以下是有效的。

data1.groupby('target').apply(lambda x: some_function(data2.iloc[:,0],  x.iloc[:,4].reset_index().iloc[:,1]))

还有其他方法吗？为什么我最后使用axis = 1它不起作用？

最后，如何在data1的新行中添加它？类似的东西，它不会将结果合并到所有行。

   data1.groupby('target')['new_column'] = data1.groupby('target').apply(lambda x: some_function(data2.iloc[:,0],  x.iloc[:,4].reset_index().iloc[:,1]))

或不使用groupby

Answer 1

我认为您可以使用带有参数reset_index()的{​​{1}}来删除原始索引值，但通常每个组的必要长度与另一个DataFrame drop=True的长度相同：

测试长度：

data2

s1 = data1.groupby('target').size()
print (s1)
target
0.0    50
1.0    50
2.0    50
dtype: int64

print (len(data2))
50

替代方案是将s = (data1.groupby('target') .apply(lambda x: some_function(data2.iloc[:,0], x.iloc[:,4].reset_index(drop=True)))) 转换为Series：

numpy array

对于新列使用map：

s=data1.groupby('target').apply(lambda x: some_function(data2.iloc[:,0],x.iloc[:,4].values))


print (s)
target
0.0    238.1
1.0    184.0
2.0    149.0
dtype: float64