[英]Pandas GroupBy.apply method duplicates first group
我的第一個 SO 問題:我對 Pandas (0.12.0-4) 中 groupby 的 apply 方法的這種行為感到困惑,它似乎將函數 TWICE 應用於數據幀的第一行。 例如:
>>> from pandas import Series, DataFrame
>>> import pandas as pd
>>> df = pd.DataFrame({'class': ['A', 'B', 'C'], 'count':[1,0,2]})
>>> print(df)
class count
0 A 1
1 B 0
2 C 2
我首先檢查 groupby 函數是否正常工作,似乎沒問題:
>>> for group in df.groupby('class', group_keys = True):
>>> print(group)
('A', class count
0 A 1)
('B', class count
1 B 0)
('C', class count
2 C 2)
然后我嘗試在 groupby 對象上使用 apply 做類似的事情,我得到了第一行輸出兩次:
>>> def checkit(group):
>>> print(group)
>>> df.groupby('class', group_keys = True).apply(checkit)
class count
0 A 1
class count
0 A 1
class count
1 B 0
class count
2 C 2
任何幫助,將不勝感激! 謝謝。
編輯:@Jeff 在下面提供了答案。 一頭霧水,一時沒看懂,所以這里舉個簡單的例子來說明,盡管上面例子中第一組打印了兩次,但是apply方法對第一組只操作了一次,不會對原始數據框進行變異:
>>> def addone(group):
>>> group['count'] += 1
>>> return group
>>> df.groupby('class', group_keys = True).apply(addone)
>>> print(df)
class count
0 A 1
1 B 0
2 C 2
但是通過將方法的返回值分配給一個新對象,我們看到它按預期工作:
>>> df2 = df.groupby('class', group_keys = True).apply(addone)
>>> print(df2)
class count
0 A 2
1 B 1
2 C 3
從 v0.25 開始, GroupBy.apply()
只會評估第一組一次。 見GH24748 。
0.25.0 中的新功能(2019 年 7 月 18 日): Groupby.apply
上的DataFrame
僅評估第一組一次
文檔中的相關示例:
pd.__version__
# '0.25.0.dev0+590.g44d5498d8'
df = pd.DataFrame({"a": ["x", "y"], "b": [1, 2]})
def func(group):
print(group.name)
return group
新行為 (>=v0.25):
df.groupby('a').apply(func)
x
y
a b
0 x 1
1 y 2
舊行為 (<=v0.24.x):
df.groupby('a').apply(func)
x
x
y
a b
0 x 1
1 y 2
Pandas 仍然使用第一組來確定apply
是否可以走快速路徑。 但至少它不再需要對第一組進行兩次評估。 干得好,開發人員!
您可以使用 for 循環來避免 groupby.apply 重復的第一行,
日志樣本.csv
guestid,keyword
1,null
2,null
2,null
3,null
3,null
3,null
4,null
4,null
4,null
4,null
我的代碼片段
df=pd.read_csv("log_sample.csv")
grouped = df.groupby("guestid")
for guestid, df_group in grouped:
print(list(df_group['guestid']))
df.head(100)
輸出
[1]
[2, 2]
[3, 3, 3]
[4, 4, 4, 4]
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.