Question

我目前正在使用pandas groupby并进行变换以计算每个组的smth（一次），然后将结果分配给该组的每一行。如果计算结果是标量，则可以这样获得：

df['some_col'] = df.groupby('id')['some_col'].transform(lambda x:process(x))

问题是我的计算结果是 vector ，而pd试图对结果组进行逐元素分配结果矢量（引用pandas docs）：

转换函数必须：返回与组块大小相同或可广播到组块大小的结果（例如，标量，grouped.transform（lambda x：x.iloc [-1]））。

我可以对外部函数进行硬编码，创建一个组大小的列表，其中将包含结果的副本（当前在python 3.6上，因此无法在lambda中使用赋值）：

def return_group(x):
    result = process(x)
    return [result for item in x]

但是我认为有可能以某种方式“更智能”地解决这个问题。请记住，每个组只需要进行一次计算。

是否可以强制pd.transform处理lambda函数的类似于数组的结果，例如标量（只需将其复制n次）？

对于任何建议将不胜感激。

P。 S.我知道，可以使用apply和join的组合来解决原始需求，但是在我的情况下，带有transform的解决方案具有更高的优先级。

Answer 1

有时转换很麻烦，如果这对您来说不是问题，我建议您使用groupby + a left pd.merge，例如以下示例：

import pandas as pd
df = pd.DataFrame({"id":[1,1,2,2,2],
                   "col":[1,2,3,4,5]})

# this return a list for every group
grp = df.groupby("id")["col"]\
        .apply(lambda x: list(x))\
        .reset_index(name="out")

#  Then you merge it to the original df
df = pd.merge(df, grp, how="left")

然后print(df)返回

   id  col        out
0   1    1     [1, 2]
1   1    2     [1, 2]
2   2    3  [3, 4, 5]
3   2    4  [3, 4, 5]
4   2    5  [3, 4, 5]

熊猫变换：将结果分配给组中的每个元素

1 个答案: