Pandas Groupby對不同的列使用不同的agg方法

Question

這是場景：

• 我有一個大型有序數據集，包含314列和超過300.000行的ML問題。

• 我想通過X列（供應商）按數據集進行分組。

• 一列是日期時間類型，一些列本質上是數字的，而另一列是從一些分類列中進行的一次熱編碼。

期望的輸出：

• 我想從列X中分組，並將數字列聚合為“均值”，將某些列聚合為“最后”，將一個熱編碼的列按“總和”聚合。 全部采用相同的agg方法。

由於我們討論的是314列數據集，因此我不能僅創建包含每列的dict。

df_train.groupby('Supplier').agg({<some columns> : 'last', <some columns>: 'sum', <some columns>: 'mean' })

PS：我使用我想要應用不同聚合的序列來排序列。

Answer 1

您可以使用select_dtypes來獲取數字列，並在字典理解中使用它們。

numeric_cols = df_train.select_dtypes('numeric').columns

agg_dict = {c: 'sum' if c in numeric_cols else 'last' for c in df_train.columns}

grouped = df_train.groupby('Supplier').agg(agg_dict)

關於您的單熱編碼列，您需要提供有關如何識別它們的更多信息。