使用groupby聚合熊猫数据框，然后使用apply ....，但是如何将输出添加回原始数据框？

Question

我有一些具有4个有趣特征的数据：account_id，location_id，date_from和date_to。每个条目对应于一个客户帐户与特定位置相关联的时间段。

有些account_id和location_id对具有多个条目，且日期不同。这意味着该客户与该位置的关联时间较长，被多个连续的条目覆盖。

因此，我想创建一个额外的列，其中包含客户与给定位置相关联的总时间长度。我能够使用groupby和apply为每一对计算此值（请参见下面的代码）。这可以正常工作，但我不知道如何将其重新添加到原始数据帧中。新列。

lengths = non_zero_df.groupby(['account_id','location_id'], group_keys=False).apply(lambda x: x.date_to.max() - x.date_from.min())

谢谢

Answer 1

我认为Mephy是正确的，应该将其传递给StackOverflow。

您将具有形状不兼容性，因为分组结果中的条目将少于原始表中的条目。您将需要执行与原始表和结果相同的SQL左外部联接操作，并且总长度将在新列中多次显示-每次您具有相等的（account_id，location_id ）对，则新列中的值相同。 （这并不一定有问题，但是，例如，如果人们试图对新列进行总结，则可能会引起问题）

签出pandas.DataFrame.join（您也可以使用合并）。您需要将旧表的结果与（account_id，location_id）一起作为左侧（或外部）联接。