Skip to main content
 首页 » 编程设计

python之如何分组应用聚合回到 Python Pandas 中的数据框

2025年02月15日11三少

def my_per_group_func(temp): 
 
    # apply some tricks here 
    return a, b, c, d 
 
output =  dataframe.groupby('group_id').apply(my_per_group_func) 

我的问题是如何将“输出”聚合回具有某些列名称的数据框(显然数据框的索引是 group_id)?

通常我做的是使用聚合函数

但这里的问题是 my_per_group_func 在这里非常复杂,它不能使用通常的“聚合”函数语法来完成

有人知道吗?

谢谢

请您参考如下方法:

似乎需要返回 DataFrame 或 Series - 检查 flexible apply docs :

dataframe = pd.DataFrame({'group_id':[1,1,3], 
                   'B':[4,5,6], 
                   'C':[7,8,9], 
                   'D':[1,3,5], 
                   'E':[5,3,6], 
                   'F':[7,4,3]}) 
 
print (dataframe) 
   B  C  D  E  F  group_id 
0  4  7  1  5  7         1 
1  5  8  3  3  4         1 
2  6  9  5  6  3         3 
 
def my_per_group_func(x): 
    #print (x) 
    #some sample operations 
    a = x.B + x.C 
    b = x.E + x.B 
    c = x.D + x.F 
    d = x.F + x.E 
    return pd.DataFrame({'group_id': x.group_id, 'a':a, 'b':b, 'c':c, 'd':d}) 
 
output =  dataframe.groupby('group_id').apply(my_per_group_func) 
print (output) 
    a   b  c   d  group_id 
0  11   9  8  12         1 
1  13   8  7   7         1 
2  15  12  8   9         3 

def my_per_group_func(x): 
    #print (x) 
    #some sample aggregations 
    a = (x.B + x.C).mean() 
    b = (x.E + x.B).sum() 
    c = (x.D + x.F).median() 
    d = (x.F + x.E).std() 
    return pd.Series([a,b,c,d], index=['a','b','c','d']) 
 
output =  dataframe.groupby('group_id').apply(my_per_group_func) 
print (output) 
             a     b    c         d 
group_id                            
1         12.0  17.0  7.5  3.535534 
3         15.0  12.0  8.0       NaN