Question

我有一个ID和日期为pandas的数据框：

data = [{'id': 'a', 'date': 1, 'value':3}, {'id':'b', 'date': 1, 'value': 30},
    {'id': 'a', 'date': 2, 'value':5}, {'id':'b', 'date': 2, 'value': 20}] 
test_df = pd.DataFrame(data)

我想遍历每个日期，并使用value列进行一些计算以获取Adjusted_value列：

for idx, daily_df in test_df.groupby('date'):
    daily_df['adj_value'] = some functions

我有两个问题：

我从这得到警告：A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead
我想将adj_value列添加到原始的test_df

Answer 1

无需遍历groupby()结果。 NamedAgg()做您想要的。我出于示例目的合成了一个函数，通常我会使用内置函数或lambda函数

data = [{'id': 'a', 'date': 1, 'value':3}, {'id':'b', 'date': 1, 'value': 30},
    {'id': 'a', 'date': 2, 'value':5}, {'id':'b', 'date': 2, 'value': 20}] 
test_df = pd.DataFrame(data)

def myfunc(x):
    x = list(x)
    if len(x)>1: return x[0] * x[1]
    else: return x[0]

test_df.groupby("date").agg(adj_value=pd.NamedAgg(column="value", aggfunc=myfunc))

输出

      adj_value
date           
1            90
2           100

使用groupby更新熊猫数据框的值

1 个答案: