Question

我有一个如下数据框：

我的目标是按标签列分组并获得两个聚合列。一个显示每组中行的数量（例如a：2，b：4），第二个显示每组中val = 1的比例。在熊猫中做到这一点的最佳方法是什么？

Answer 1

尝试：

def portion(x): return (x.eq(1).sum())/len(x)
df.groupby('label').val.agg(['size', portion])

输出：

        size portion
label
a       2    0.5
b       4    0.5

Answer 2

找到满足条件的列的比例等效于取布尔序列的平均值。这使得它可以快速完成。由于s和df共享相同的索引，因此最好使用一个将另一个分组。

要获取一个列的多个聚合，请提供一个列表，该列表指定要执行的操作。

s = df.val.eq(1)
s.groupby(df.label).agg(['size', 'mean'])

#       size  mean
#label            
#a         2   0.5
#b         4   0.5

使用“技巧”使组的数量增加时，比起使用lambda显着快得多，因为许多基本的groupby聚合都具有非常高效的cythonized版本。

# Create a sample df with 20,000 unique groups
df = pd.concat([df]*10000, ignore_index=True)
df['label'] = df.index//3

%%timeit
s = df.val.eq(1)
s.groupby(df.label).agg(['size', 'mean'])
#10.8 ms ± 300 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%%timeit 
def portion(x): return (x.eq(1).sum())/len(x)
df.groupby('label').val.agg(['size', portion])
#7.93 s ± 82.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

熊猫问题创建了两个聚合，其中一个是有条件创建的

2 个答案: