我正在尝试进行自定义聚合(以及其他几种标准聚合)。
类似这样的东西:
df = pd.DataFrame(
[["red", 1, 10], ["red", 2, 20], ["green", 5, 15]],
columns=["color", "x", "y"]
)
df2 = (
df
.groupby(["color"])
.agg(amt1=("x", "sum"),
amt2=("x", "mean"),
amt3=("y", "sum"),
# this does not work...
amt4= (0.9 * (x.sum() - y.mean()) / x.max()) + 1
)
)
df2
感谢您的帮助。
答案 0 :(得分:2)
我认为无法在agg
的自定义函数中直接使用两列,这里有两种选择。对此特定的自定义功能使用apply
,将concat
与其他agg
一起使用,或使用基于索引的选择。
# option 1
gr = df.groupby(["color"])
df2 = pd.concat([gr.agg(amt1=("x", "sum"), amt2=("x", "mean"), amt3=("y", "sum")),
gr.apply(lambda dfg: (0.9 * (dfg.x.sum() - df.y.mean())
/ dfg.x.max()) + 1)
.rename('amt4')],
axis=1 )
# option 2
df2 = (df.groupby(["color"])
.aggregate(amt1=("x", "sum"), amt2=("x", "mean"), amt3=("y", "sum"),
amt4= ('x', lambda x: (0.9 * (x.sum() - df.loc[x.index, 'y'].mean())
/ x.max()) + 1))
)
只要索引在df中是唯一的,两者都会给出相同的结果
要在新版本中使用选项2,需要常规功能bug description
def named_lambda(x):
return (0.9 * (x.sum() - df.loc[x.index, 'y'].mean()) / x.max()) + 1
df2 = (df.groupby(["color"])
.aggregate(amt1=("x", "sum"), amt2=("x", "mean"), amt3=("y", "sum"),
amt4= ('x', named_lambda))
)