pandas dataframe 按列分组并在自定义 function 上聚合

Question

我正在尝试按某些列对 dataframe 进行分组，然后对于每个组，将其列系列作为列表传递给custom function 或lambda并获得单个聚合结果。

这是一个df：

orgid.      appid.  p.  type.   version
-------------------------------------------------
24e78b      4ef36d  1   None    3.3.7
24e78b      4ef36d  2   None    3.4.1
24e78b      4ef36d  1   None    3.3.7-beta-1
24e78b      4ef36d  1   None    3.4.0-mvn.1
24e78b      4ef36d  2   None    3.4.0-beta.5
24e78b      4ef36d  1   None    3.4.0-beta.1
24e78b      4ef36d  1   None    3.4.0
24e78b      4ef36d  1   None    3.3.5

所以我有一个 function ，它接受一个版本列表并返回一个max版本字符串。

>> versions = ['3.4.0-mvn.1', '3.4.0-beta.1', '3.4.0', '3.3.7-beta-1', '3.3.7', '3.3.5', '3.4.0-beta-1']
>> str(max(map(semver.VersionInfo.parse, versions)))
'3.4.0'

现在我想将 dataframe 分组，然后将每个组的version系列作为列表传递给此 function 并返回单个版本字符串。

我试过了：

>> g = df.groupby(['orgid', 'appid', 'p', 'type'])
>> g['version'].apply(lambda x: str(max(map(semver.VersionInfo.parse, x.tolist()))))
Series([], Name: version, dtype: float64)

我得到一个空系列。

预期 output：

orgid.      appid.  p.  type.   version
24e78b      4ef36d  1   None    3.4.0
24e78b      4ef36d  2   None    3.4.1

我还在此处发布的多个列上通过多个自定义聚合 function 引用此 Pandas 组。

但无法正确处理。

Answer 1

尝试：

import semver

df["version"] = df["version"].apply(semver.VersionInfo.parse)
out = df.groupby(["orgid", "appid", "p", "type"], as_index=False).max()

print(out)

印刷：

    orgid   appid  p  type version
0  24e78b  4ef36d  1  None   3.4.0
1  24e78b  4ef36d  2  None   3.4.1

Answer 2

这是因为您传递给 groupby 方法的列中的 None 值。

试着做：

df = df.fillna('None')

在调用 df.groupby(...) 之前，它应该可以工作。

Answer 3

out = (df.groupby(['orgid', 'appid', 'p', 'type'], as_index=False)['version']
         .agg(lambda x: max(semver.VersionInfo.parse(v) for v in x)))
print(out)

# Output:

    orgid   appid  p  type version
0  24e78b  4ef36d  1  None   3.4.0
1  24e78b  4ef36d  2  None   3.4.1