使用 groupby 的 pandas 数据框更新值

Question

我有一个带有 ID 和日期的 Pandas 数据框：

data = [{'id': 'a', 'date': 1, 'value':3}, {'id':'b', 'date': 1, 'value': 30},
    {'id': 'a', 'date': 2, 'value':5}, {'id':'b', 'date': 2, 'value': 20}] 
test_df = pd.DataFrame(data)

我想遍历每个日期并使用 value 列进行一些计算以获得一个 adjust_value 列：

for idx, daily_df in test_df.groupby('date'):
    daily_df['adj_value'] = some functions

我有两个问题：

1. 我收到一条警告： A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead
2. 我想将 adj_value 列添加到原始 test_df

Answer 1

无需遍历groupby()结果。 NamedAgg()做你想做的事。 我已经合成了一个函数作为示例，通常我会使用内置函数或lambda函数

data = [{'id': 'a', 'date': 1, 'value':3}, {'id':'b', 'date': 1, 'value': 30},
    {'id': 'a', 'date': 2, 'value':5}, {'id':'b', 'date': 2, 'value': 20}] 
test_df = pd.DataFrame(data)

def myfunc(x):
    x = list(x)
    if len(x)>1: return x[0] * x[1]
    else: return x[0]

test_df.groupby("date").agg(adj_value=pd.NamedAgg(column="value", aggfunc=myfunc))

输出

      adj_value
date           
1            90
2           100