pandas聚合具有多个输出列的函数

Question

我试图定义一个具有多个OUTPUT列的聚合函数，我想使用如下

df.groupby(by=...).agg(my_aggregation_function_with_multiple_columns)

任何想法怎么做？

我尝试过类似的东西

def my_aggregation_function_with_multiple_columns(slice_values):
    return {'col_1': -1,'col_2': 1}

但这会在单个列中逻辑输出字典{'col_1'： - 1，'col_2'：1} ...

Answer 1

这是不可能的，因为agg处理所有列 - 首先处理第一列，然后处理第二列....到最后。

解决方案是flexible apply和返回多输出添加Series如果输出更多的标量。

def my_aggregation_function_with_multiple_columns(slice_values):
    return pd.Series([-1, 1], index=['col_1','col_2'])

df.groupby(by=...).apply(my_aggregation_function_with_multiple_columns)

样品：

df = pd.DataFrame(dict(A=[1,1,2,2,3], B=[4,5,6,7,2], C=[1,2,4,6,9]))
print (df)

def my_aggregation_function_with_multiple_columns(slice_values):
    #print each group
    #print (slice_values)
    a = slice_values['B'] + slice_values['C'].shift()
    print (type(a))
    return a

<class 'pandas.core.series.Series'>
<class 'pandas.core.series.Series'>
<class 'pandas.core.series.Series'>
<class 'pandas.core.series.Series'>

df = df.groupby('A').apply(my_aggregation_function_with_multiple_columns)
print (df)
A   
1  0     NaN
   1     6.0
2  2     NaN
   3    11.0
3  4     NaN
dtype: float64

Answer 2

这个问题可以用多种方式解释。 以下提供了计算多个输出列的解决方案，可以为每列使用不同的功能。

该示例使用与上述答案相同的Pandas DataFrame df：

import pandas as pd
df = pd.DataFrame(dict(A=[1,1,2,2,3], B=[4,5,6,7,2], C=[1,2,4,6,9]))

作为A中的组的函数，计算B中的值的总和并将其放入一列中，并且计算B中的值（计数）的数量并将其放入另一列中。

df.groupby(['A'], as_index=False).agg({'B': {'B1':sum, 'B2': "count"}})

由于在将来的版本中将弃用具有重命名的字典，因此以下代码可能更好：

df.groupby(['A'], as_index=False).agg({'B': {sum, "count"}})

下一个示例显示了如果要在不同的列上进行不同的计算，计算B的总和和C的平均值，如何执行此操作：

df.groupby(['A'], as_index=False).agg({'B': sum, 'C': "mean"})