将函数或Lambda应用于熊猫GROUPBY

Question

我想将特定功能（在本例中为logit模型）应用于可以分组（通过变量“ model”）的数据框。 我知道可以通过循环执行任务，但是我认为这充其量是无效的。 下面的示例代码：

import pandas as pd
import numpy as np
import statsmodels.api as sm
df1=pd.DataFrame(np.random.randint(0,100,size=(100,10)),columns=list('abcdefghij'))
df2=pd.DataFrame(np.random.randint(0,100,size=(100,10)),columns=list('abcdefghij'))
df1['model']=1
df1['target']=np.random.randint(2,size=100)
df2['model']=2
df2['target']=np.random.randint(2,size=100)
data=pd.concat([df1,df2])
### Clunky, but works...  
for i in range(1,2+1):
    lm=sm.Logit(data[data['model']==i]['target'],
                sm.add_constant(data[data['model']==i].drop(['target'],axis=1))).fit(disp=0)
    print(lm.summary2())
### Can this work?  
def elegant(self):
    lm=sm.Logit(data['target'],
                sm.add_constant(data.drop(['target'],axis=1))).fit(disp=0)
better=data.groupby(['model']).apply(elegant)

如果上面的groupby可以工作，这是比循环更有效的执行方法吗？

Answer 1

这可以工作：

def elegant(df):
lm = sm.Logit(df['target'],
              sm.add_constant(df.drop(['target'],axis=1))).fit(disp=0)
return lm 

better = data.groupby('model').apply(elegant)

使用.apply你过时数据框组功能elegant如此elegant有采取数据帧作为这里的第一个参数。 此外，您的函数还需要返回计算结果lm 。

对于更复杂的功能，可以使用以下结构：

def some_fun(df, kw_param=1):
# some calculations to df using kw_param
return df

better = data.groupby('model').apply(lambda group: some_func(group, kw_param=99))