如何將 tidyverse 從 R 轉換為 pandas 從 Python？

Question

我正在對 R 和 Python 進行數據分析，以比較它們的差異。 目前我正在努力翻譯

data %>%
  mutate(pct_leader = ballotsLeader/validBallots) %>%
  group_by(community) %>%
  mutate(mean_pct_leader = mean(pct_leader),
         sd_pct_leader = sd(pct_leader),
         up_pct_leader = mean_pct_leader+2*sd_pct_leader) %>%
  filter(pct_leader > up_pct_leader) %>%
  top_n(5, pct_leader)

進入 Python。

我嘗試了以下 python 代碼

grouped = data.assign(pct_leader = lambda x: x['ballotsLeader']/x['validBallots']).groupby('community').assign(mean_pct_leader = lambda x: mean(x['pct_leader']),
           sd_pct_leader = lambda x: stdev(x['pct_leader']),
           up_pct_leader = lambda x: x['mean_pct_leader']+2*x['sd_pct_leader']).query('pct_leader > up_pct_leader').pct_leader.nlargest(5)

但得到一個AttributeError: 'DataFrameGroupBy' object has no attribute 'assign'錯誤。

我意識到這是因為 DataFrameGroupBy object 沒有分配方法。

如何保留 R 代碼的順序但將其轉換為 python？

編輯：這是我正在使用的數據

| community | province  | municipality | precinct | registeredVoters | emptyBallots | invalidBallots | validBallots | ballotsLeader |
|-----------|-----------|--------------|----------|------------------|--------------|----------------|--------------|---------------|
| GALICIA   | Coruña, A | Ames         | 001 B    | 270              | 3            | 7              | 206          | 129           |
| GALICIA   | Coruña, A | Ames         | 004 A    | 356              | 2            | 7              | 257          | 136           |
| GALICIA   | Coruña, A | Ames         | 002 C    | 296              | 1            | 2              | 214          | 149           |
| GALICIA   | Coruña, A | Ames         | 010 U    | 646              | 15           | 10             | 507          | 189           |
| GALICIA   | Coruña, A | Ames         | 012 B    | 695              | 6            | 8              | 479          | 247           |

Answer 1

如果沒有看到一些數據，很難做到這一點，但這應該有效：

(data.assign(pct_leader=data['ballotsLeader'] / data['validBallots'])
 .groupby('community').agg(
     mean_pct_leader=('pct_leader', 'mean')
     sd_pct_leader=('pct_leader', 'std'),
     up_pct_leader=('pct_leader', lambda x: (x['pct_leader'].mean()+2) * x['pct_leader'].std())
 )
 .query('pct_leader > up_pct_leader')
 .nlargest(5, 'pct_leader')
)

Answer 2

使用datar ，您可以輕松地將 R 代碼轉換為 python：

from datar.all import f, mutate, group_by, mean, sd, filter, slice_max

data >> \
  mutate(pct_leader = f.ballotsLeader/f.validBallots) >> \
  group_by(f.community) >> \
  mutate(mean_pct_leader = mean(f.pct_leader),
         sd_pct_leader = sd(f.pct_leader),
         up_pct_leader = f.mean_pct_leader+2*f.sd_pct_leader) >> \
  filter(f.pct_leader > f.up_pct_leader) >> \
  slice_max(f.pct_leader, n=5) 
  # top_n() has been superseded in favour of slice_min()/slice_max()

我是 package 的作者。 如果您有任何問題，請隨時提交問題。