[英]How to apply multiple custom functions on multiple columns in grouped DataFrame in pandas?
[英]how to apply functions to grouped dataframes in Python pandas?
我正在通过其中一个列对我的数据帧进行分组,如下所示(使用iris
数据集的示例):
grouped_iris = iris.groupby(by="Name")
我想为每个组应用一个函数,该函数使用grouped_iris
中的列的子集执行特定grouped_iris
。 我怎么能应用一个函数,每个组( Name
每个值)总和PetalLength
和PetalWidth
并将它放在一个名为SumLengthWidth
的新列中? 我知道,我可以总结每个组中的所有列与agg
是这样的:
grouped_iris.agg(sum)
但我正在寻找的是一个扭曲:不是总结每列的特定Name
所有条目,我想只为每个Name
组的列的一个子集( SepalWidth, SepalLength
) SepalWidth, SepalLength
。 谢谢。
这似乎有点不优雅,但做的工作:
grouped_iris[['PetalLength', 'PetalWidth']].sum().sum(axis=1)
无法判断您是否需要汇总数字(在这种情况下,Andy的解决方案是您想要的),或者您是否希望将其转换回原始数据帧。 如果是后者,则可以使用transform
In [33]: cols = ['PetalLength', 'PetalWidth']
In [34]: transformed = grouped_iris[cols].transform(sum).sum(axis=1)
In [35]: iris['SumLengthWidth'] = transformed
In [36]: iris.head()
Out[36]:
SepalLength SepalWidth PetalLength PetalWidth Name SumLengthWidth
0 5.1 3.5 1.4 0.2 Iris-setosa 85.4
1 4.9 3.0 1.4 0.2 Iris-setosa 85.4
2 4.7 3.2 1.3 0.2 Iris-setosa 85.4
3 4.6 3.1 1.5 0.2 Iris-setosa 85.4
4 5.0 3.6 1.4 0.2 Iris-setosa 85.4
编辑 :一般案例
通常,对于数据帧df
,将groupby与sum
聚合可以得到每个组的总和
In [47]: df
Out[47]:
Name val1 val2
0 foo 6 3
1 bar 17 4
2 foo 16 6
3 bar 7 3
4 foo 6 13
5 bar 7 1
In [48]: grouped = df.groupby('Name')
In [49]: grouped.agg(sum)
Out[49]:
val1 val2
Name
bar 31 8
foo 28 22
在您的情况下,您有兴趣跨行汇总这些:
In [50]: grouped.agg(sum).sum(axis=1)
Out[50]:
Name
bar 39
foo 50
但那只能给你2个数字; 每组1个。 通常,如果您希望将这两个数字投射回原始数据帧,则需要使用transform
:
In [51]: grouped.transform(sum)
Out[51]:
val1 val2
0 28 22
1 31 8
2 28 22
3 31 8
4 28 22
5 31 8
请注意这些值与agg
生成的值完全相同, 但它与原始df
具有相同的尺寸。 另请注意每个其他值是如何重复的,因为行[0,2,4]和[1,3,5]是相同的组。 在您的情况下,您需要两个值的总和,因此您可以在行之间对此求和。
In [52]: grouped.transform(sum).sum(axis=1)
Out[52]:
0 50
1 39
2 50
3 39
4 50
5 39
您现在有一个与原始数据帧长度相同的系列,因此您可以将其作为列分配(或使用它执行您喜欢的操作):
In [53]: df['val1 + val2 by Name'] = grouped.transform(sum).sum(axis=1)
In [54]: df
Out[54]:
Name val1 val2 val1 + val2 by Name
0 foo 6 3 50
1 bar 17 4 39
2 foo 16 6 50
3 bar 7 3 39
4 foo 6 13 50
5 bar 7 1 39
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.