Groupby 应用或 agg 与自定义 function 与多个输入

Question

我想将自定义函数应用于 pandas groupby function。

当我的自定义 function 只有 1 个输入（即分组值）时，我能够申请。

我有这样的 dataframe ：

a     b     c      value
a1    b1    c1      v1
a2    b2    c2      v2
a3    b3    c3      v3

适用版本：

def cpk(a):
    arr = np.asarray(a)
    arr = arr.ravel()
    sigma = np.std(arr)
    m = np.mean(arr)

    Cpu = float(150 - m) / (3*sigma)
    Cpl = float(m - 50) / (3*sigma)
    Cpk = np.min([Cpu, Cpl])
    return Cpk


df_cpk = df_result.groupby(['a','b','c'])['value'].agg(cpk).reset_index()

正如您在上面的代码中看到的，分组的“值”自动 go 到cpk function 的输入。

我想知道的是如何在function下面申请：

def cpk2(a,lsl,usl):
    arr = np.asarray(a)
    arr = arr.ravel()
    sigma = np.std(arr)
    m = np.mean(arr)

    Cpu = float(usl - m) / (3*sigma)
    Cpl = float(m - lsl) / (3*sigma)
    Cpk = np.min([Cpu, Cpl])
    return Cpk

# df_cpk = df_result.groupby(['a','b','c'])['value'].agg(cpk2(?,?,?)).reset_index()

function 有多个输入，其中一个是组值。 有什么简单的方法吗？

Answer 1

由于其他两个输入是常量，您可以简单地使用lambda 表达式：

df_cpk = df.groupby(['a','b','c'])['value'].agg(lambda x: cpk2(x, 50, 150)).reset_index()