根据另一列拆分pandas DataFrame列的最短方法

Question

灵感

在R中，这非常容易

data("iris")
bartlett.test(Sepal.Length ~ Species,data = iris)

关于数据集的重要一点是，Sepal.Length列是数字，种类是分类的。

问题

在Python中， scipy.stats.bartlett对于每种物种都需要单独的数组，请参阅docs 。

实现这一目标的最简单方法是什么？

在python中获取数据集的简单方法：

from sklearn import datasets
iris = datasets.load_iris()
iris = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                     columns= ["sepal.length","sepal.width","petal.length","petal.width"] + ['species'])

我真的希望它能工作：

iris.groupby("species")["sepal.length"].apply(ss.bartlett)

但这并不是因为它需要多个样本向量。

Answer 1

按照groupby模式，您可以进行一些操作并执行以下操作：

gb = iris.groupby('species')["sepal.length"]
ss.bartlett(*[gb.get_group(x).values for x in gb.groups])

*将列表解压缩到函数中，剩下的只是将组以正确的形式放入函数中。 如评论中所述，此处不需要.values ，因此我们可以将其编写为：

gb = iris.groupby('species')["sepal.length"]
ss.bartlett(*[gb.get_group(x) for x in gb.groups])

只是为了完成，如果您真的想一行完成：

ss.bartlett(*[x[1] for x in iris.groupby('species')["sepal.length"]])

但我个人认为它的可读性较差。