Question

我有一系列的numpy数组，并想从中创建一个数据框列。具体来说，我有一个看起来像这样的数据框：

In [298]: df = pd.DataFrame({'name': ['A','A','B','B'], 'value': [1,2,3,4]})

In [299]: df
Out[299]: 
  name  value
0    A      1
1    A      2
2    B      3
3    B      4

我现在像这样计算每个“名称”的累积积分：

In [300]: g = df.groupby('name')

In [301]: r = g.apply(lambda x: np.insert(integrate.cumtrapz(x.value), 0, [0]))

In [302]: r
Out[302]: 
name
A    [0.0, 1.5]
B    [0.0, 3.5]
dtype: object

r的类型和r的元素是：

In [303]: type(r)
Out[303]: pandas.core.series.Series

In [304]: type(r[0])
Out[304]: numpy.ndarray

我想将此结果添加到原始数据框中，以实现：

In [308]: df['cumint'] = np.append(r[0], r[1])

In [309]: df
Out[309]: 
  name  value  cumint
0    A      1     0.0
1    A      2     1.5
2    B      3     0.0
3    B      4     3.5

达到此结果的最佳方法是什么。

Answer 1

您的系列包含numpy数组，因此您可以concatenate将系列中的元素{{}}放入一个长numpy数组中，并将新列设置为此数组：

df['cumint'] = np.concatenate(r, axis=0)

结果：

>> print(df)
  name  value  cumint
0    A      1     0.0
1    A      2     1.5
2    B      3     0.0
3    B      4     3.5

Answer 2

您可以在此处使用transform而不是apply来获得一系列结果：

df['cumint']=(df.groupby('name')['value'].
          transform(lambda x: np.insert(integrate.cumtrapz(x), 0, [0])))
#or df['cumint']= g['value'].transform(lambda x: np.insert(integrate.cumtrapz(x), 0, [0]))
print(df)

  name  value  cumint
0    A      1     0.0
1    A      2     1.5
2    B      3     0.0
3    B      4     3.5

熊猫：一系列数组中的列

2 个答案: