根據另一列拆分pandas DataFrame列的最短方法

Question

靈感

在R中，這非常容易

data("iris")
bartlett.test(Sepal.Length ~ Species,data = iris)

關於數據集的重要一點是，Sepal.Length列是數字，種類是分類的。

問題

在Python中， scipy.stats.bartlett對於每種物種都需要單獨的數組，請參閱docs 。

實現這一目標的最簡單方法是什么？

在python中獲取數據集的簡單方法：

from sklearn import datasets
iris = datasets.load_iris()
iris = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                     columns= ["sepal.length","sepal.width","petal.length","petal.width"] + ['species'])

我真的希望它能工作：

iris.groupby("species")["sepal.length"].apply(ss.bartlett)

但這並不是因為它需要多個樣本向量。

Answer 1

按照groupby模式，您可以進行一些操作並執行以下操作：

gb = iris.groupby('species')["sepal.length"]
ss.bartlett(*[gb.get_group(x).values for x in gb.groups])

*將列表解壓縮到函數中，剩下的只是將組以正確的形式放入函數中。 如評論中所述，此處不需要.values ，因此我們可以將其編寫為：

gb = iris.groupby('species')["sepal.length"]
ss.bartlett(*[gb.get_group(x) for x in gb.groups])

只是為了完成，如果您真的想一行完成：

ss.bartlett(*[x[1] for x in iris.groupby('species')["sepal.length"]])

但我個人認為它的可讀性較差。