Question

我有一个数据帧，应将其分组，然后在每个组上应用几个功能。通常，我会使用groupby().agg()（参见Apply multiple functions to multiple groupby columns）来执行此操作，但是我感兴趣的功能不需要一列作为输入，而需要多列。

我了解到，当我有一个具有多个列作为输入的一个函数时，我需要apply（参见Pandas DataFrame aggregate function using multiple columns）。 但是，当我有多个输入多列的多个函数时，我需要什么？

import pandas as pd
df = pd.DataFrame({'x':[2, 3, -10, -10], 'y':[10, 13, 20, 30], 'id':['a', 'a', 'b', 'b']})

def mindist(data): #of course these functions are more complicated in reality
     return min(data['y'] - data['x'])
def maxdist(data):
    return max(data['y'] - data['x'])

我会期望像df.groupby('id').apply([mindist, maxdist])

    min   max
id      
 a    8    10
 b   30    40

（通过pd.DataFrame({'mindist':df.groupby('id').apply(mindist),'maxdist':df.groupby('id').apply(maxdist)}实现-如果我要在分组数据帧上应用许多函数，这显然不是很方便）。最初，我以为this OP有相同的问题，但是他似乎对aggregate很好，这意味着他的函数只接受一列作为输入。

Answer 1

对于这个特定问题，groupby区别之后怎么样？

(df['x']-df['y']).groupby(df['id']).agg(['min','max'])

更笼统地说，您可以做类似的事情

df.groupby('id').apply(lambda x:pd.Series({'min':mindist(x),'max':maxdist(x)}))

Answer 2

您想在同一组中使用多个IIUC功能。在这种情况下，您应该返回pd.Series。在下面的玩具示例中，我想

求和列A和B的总和，然后计算平均值
求和列C和D的总和，然后计算标准差

import pandas as pd
df = pd.util.testing.makeDataFrame().head(10)
df["key"] = ["key1"] * 5 + ["key2"] * 5

def fun(x):
    m = (x["A"]+x["B"]).mean()
    s = (x["C"]+x["D"]).std()
    return pd.Series({"meanAB":m, "stdCD":s})

df.groupby("key").apply(fun)

更新在您的情况下变成了

import pandas as pd

df = pd.DataFrame({'x':[2, 3, -10, -10],
                   'y':[10, 13, 20, 30],
                   'id':['a', 'a', 'b', 'b']})

def mindist(data): #of course these functions are more complicated in reality
     return min(data['y'] - data['x'])

def maxdist(data):
    return max(data['y'] - data['x'])

def fun(data):
    return pd.Series({"maxdist":maxdist(data),
                      "mindist":mindist(data)})

df.groupby('id').apply(fun)

如何将* multiple *函数应用于pandas groupby应用？

2 个答案: