熊猫：Apply（）：返回多个值

Question

我的数据基于年份，以年份为索引。 我有someFunc（）在groupedBy数据上做一些事情。 但是，它将返回两个值（两个浮点数，而不是列）。 我想将这两个值放入旧数据框中的两个新列中。 使用一个简单的函数进行演示，我想到的是

def someFunc(group):
    a = 1
    b = 2
    return pd.DataFrame([[a, b]], columns={'colA', 'colB'}, index=[group['year'][0]])
results = df.groupby(level=0).apply(someFunc)
pd.merge(df, results, left_index=True, right_index=True)

但是，这将创建一个双索引值：一个是因为我添加了一个索引，另一个是来自apply（）的索引：

results
                colA        colB
year                            
1961 1961          1           2
1962 1962          1           2
1963 1963          1           2

因此，合并当然是行不通的。 我尝试了其他各种方式（包括返回numpy数组），但是它们都不是整齐的。 我该怎么办？ 我知道我可以将函数拆分为两次，每次运行一次，以运行代码-但这并不是很有效。 需要明确的是，我的预期结果（对于可变结果）是

results
                colA        colB
year                            
1961               1           2
1962               1           2
1963               1           2

在此之前，数据看起来像

           c      a        b  
year                                                                          
1983     722   1001  1.06300  
1984     722   1001  1.24225   
1985     722   1001  2.78925   
1986     722   1001  0.59600   
1982  442110   1003  1.86300 

中间结果

return pd.DataFrame([[a, b]], columns=['colA', 'colB'], index=[group['year'].max()])

回报

           colA       colB
1961         30   2.434379

那么这就是关键问题，对吗？ 它返回带有索引的内容，然后apply()在顶部堆叠其自己的索引。 由于没有办法返回没有索引的数据帧，我想解决方案必须在于影响apply()

解

如评论中所发表的：

results = df.groupby(level=0).apply(someFunc).reset_index(level=0, drop=True)

Answer 1

使用您的数据对我有用

In [57]:

temp="""year           c      a        b                                                                
1983     722   1001  1.06300  
1984     722   1001  1.24225   
1985     722   1001  2.78925   
1986     722   1001  0.59600   
1982  442110   1003  1.86300 """

df = pd.read_csv(io.StringIO(temp), sep='\s+')
df
Out[57]:
   year       c     a        b
0  1983     722  1001  1.06300
1  1984     722  1001  1.24225
2  1985     722  1001  2.78925
3  1986     722  1001  0.59600
4  1982  442110  1003  1.86300

[5 rows x 4 columns]
In [66]:

def someFunc(group):
    a = 1
    b = 2
    #print(group['year'].values)
    return pd.DataFrame([[a, b]], columns={'colA', 'colB'}, index=[group['year'].max()])
df.groupby(level=0).apply(someFunc)
Out[66]:
        colA  colB
0 1983     1     2
1 1984     1     2
2 1985     1     2
3 1986     1     2
4 1982     1     2

[5 rows x 2 columns]

编辑

经过进一步的讨论，以上代码还显示了您面临的重复索引，因此您可以调用reset_index来消除重复项：

In [91]:

def someFunc(group):
    a = 1
    b = 2
    return pd.DataFrame([[a, b]], columns={'colA', 'colB'}, index=[group['year'].max()])
df.groupby(level=0).apply(someFunc).reset_index(level=0, drop=True)

Out[91]:
      colA  colB
1983     1     2
1984     1     2
1985     1     2
1986     1     2
1982     1     2

[5 rows x 2 columns]