Pandas Groupby对不同的列使用不同的agg方法

Question

这是场景：

• 我有一个大的有序数据集，包含314列和300.000行以上的ML问题。

• 我想按X列（供应商）对数据集进行分组。

• 一列是日期时间类型，某些列本质上是数字， 其他则是从某些分类列中进行一键编码的。

所需的输出：

• 我想对X列进行分组，并按“均值”聚合数字列，按“ last”聚合一些列，并按“ sum”聚合一个热编码的列。全部使用相同的agg方法。

由于我们谈论的是314列数据集，所以我不能只创建包含每一列的字典。

df_train.groupby('Supplier').agg({<some columns> : 'last', <some columns>: 'sum', <some columns>: 'mean' })

PS：我按照想要应用不同聚合的顺序对列进行了排序。

Answer 1

您可以使用select_dtypes获取数字列，并将其用于字典理解中。

numeric_cols = df_train.select_dtypes('numeric').columns

agg_dict = {c: 'sum' if c in numeric_cols else 'last' for c in df_train.columns}

grouped = df_train.groupby('Supplier').agg(agg_dict)

关于一键编码的列，您将需要提供有关如何识别它们的更多信息。