R中mutate中group_by + mutate +索引列向量的等效python和pandas操作

Question

Python 中的示例数据框：

d = {'col1': ["a", "a", "a", "b", "b", "b", "c", "c", "c"], 
     'col2': [3, 4, 5, 1, 3, 9, 5, 7, 23]}
df = pd.DataFrame(data=d)

现在，我想使用 Pandas 在 Python 中获得与使用下面的代码在 R 中获得的输出相同的输出。 所以我想在 col2 中按组获得 col1 中百分比的变化。

data.frame(col1 = c("a", "a", "a", "b", "b", "b", "c", "c", "c"),
           col2 = c(3, 4, 5, 1, 3, 9, 16, 18, 23)) -> df

df %>%
  dplyr::group_by(col1) %>%
  dplyr::mutate(perc = (dplyr::last(col2) - col2[1]) / col2[1])

在python中，我试过：

def perc_change(column):
    index_1 = tu_in[column].iloc[0]
    index_2 = tu_in[column].iloc[-1]
    perc_change = (index_2 - index_1) / index_1  
    return(perc_change)    

d = {'col1': ["a", "a", "a", "b", "b", "b", "c", "c", "c"], 
     'col2': [3, 4, 5, 1, 3, 9, 5, 7, 23]}
df = pd.DataFrame(data=d)
df.assign(perc_change = lambda x: x.groupby["col1"]["col2"].transform(perc_change))

但它给了我一个错误说：“方法”对象不可下标。

我是 python 的新手，并试图将一些 R 代码转换为 python。 我怎样才能以优雅的方式解决这个问题？ 谢谢！

Answer 1

你不想在这里transform 。 当您的聚合返回每个组的标量值并且您希望将该结果广播到原始 DataFrame 中属于该组的所有行时，通常会使用transform 。 因为GroupBy.pct_change已经返回一个像原始索引一样的结果，所以你聚合并分配回来。

df['perc_change'] = df.groupby('col1')['col2'].pct_change()

#  col1  col2  perc_change
#0    a     3          NaN
#1    a     4     0.333333
#2    a     5     0.250000
#3    b     1          NaN
#4    b     3     2.000000
#5    b     9     2.000000
#6    c     5          NaN
#7    c     7     0.400000
#8    c    23     2.285714

但是，如果您需要的是组内的总体百分比变化，即第一个和最后一个值的差异除以第一个值，那么您将需要转换。

df.groupby('col1')['col2'].transform(lambda x: (x.iloc[-1] - x.iloc[0])/x.iloc[0])

0    0.666667
1    0.666667
2    0.666667
3    8.000000
4    8.000000
5    8.000000
6    3.600000
7    3.600000
8    3.600000
Name: col2, dtype: float64