Python-将多个功能应用于多个groupby列

Question

该文档展示了如何使用输出列名称作为键的字典一次在groupby对象上应用多个功能：

In [563]: grouped['D'].agg({'result1' : np.sum,
   .....:                   'result2' : np.mean})
   .....:
Out[563]: 
      result2   result1
A                      
bar -0.579846 -1.739537
foo -0.280588 -1.402938

但是，这仅适用于Series groupby对象。同样，当将字典类似地传递到groupby DataFrame时，它期望键是将应用该函数的列名。

我想做的是对多个列应用多个功能（但是某些列将被多次操作）。同样，某些函数将依赖于groupby对象中的其他列（如sumif函数）。我当前的解决方案是逐列进行操作，并使用类似于上面代码的代码，对依赖其他行的函数使用lambda。但这要花费很长时间，（我认为花很长时间来遍历groupby对象）。我必须对其进行更改，以便一次运行即可遍历整个groupby对象，但是我想知道熊猫中是否有内置的方法可以使此操作更加简洁。

例如，我尝试过类似

grouped.agg({'C_sum' : lambda x: x['C'].sum(),
             'C_std': lambda x: x['C'].std(),
             'D_sum' : lambda x: x['D'].sum()},
             'D_sumifC3': lambda x: x['D'][x['C'] == 3].sum(), ...)

但正如我所料，我收到一个KeyError（因为如果agg从DataFrame调用，则键必须是一列）。

是否有任何内置方法可以执行我想做的事情，或者可能添加了此功能，或者我只需要手动遍历groupby？

Answer 1

当前接受的答案的后半部分已过时，并且有两个过时的建议。首先也是最重要的是，你不能再将字典词典传递给agggroupby方法。第二，永远不要使用.ix。

如果你希望同时使用两个单独的列，我建议使用apply隐式将DataFrame传递给应用函数的方法。让我们使用与上面类似的数据框

df = pd.DataFrame(np.random.rand(4,4), columns=list('abcd'))
df['group'] = [0, 0, 1, 1]
df

          a         b         c         d  group
0  0.418500  0.030955  0.874869  0.145641      0
1  0.446069  0.901153  0.095052  0.487040      0
2  0.843026  0.936169  0.926090  0.041722      1
3  0.635846  0.439175  0.828787  0.714123      1
从列名映射到聚合函数的字典仍然是执行聚合的理想方法。

df.groupby('group').agg({'a':['sum', 'max'], 
                         'b':'mean', 
                         'c':'sum', 
                         'd': lambda x: x.max() - x.min()})

              a                   b         c         d
            sum       max      mean       sum  <lambda>
group                                                  
0      0.864569  0.446069  0.466054  0.969921  0.341399
1      1.478872  0.843026  0.687672  1.754877  0.672401

如果你不喜欢该丑陋的lambda列名称，则可以使用常规函数，并为特殊__name__属性提供自定义名称，如下所示：

def max_min(x):
    return x.max() - x.min()

max_min.__name__ = 'Max minus Min'

df.groupby('group').agg({'a':['sum', 'max'], 
                         'b':'mean', 
                         'c':'sum', 
                         'd': max_min})

              a                   b         c             d
            sum       max      mean       sum Max minus Min
group                                                      
0      0.864569  0.446069  0.466054  0.969921      0.341399
1      1.478872  0.843026  0.687672  1.754877      0.672401

使用apply和返回系列

现在，如果有多个需要一起交互的列，则不能使用agg，这会将Series隐式传递给聚合函数。当apply将整个组用作DataFrame时，将传递给函数。

我建议创建一个自定义函数，以返回一系列所有聚合。使用系列索引作为新列的标签：

def f(x):
    d = {}
    d['a_sum'] = x['a'].sum()
    d['a_max'] = x['a'].max()
    d['b_mean'] = x['b'].mean()
    d['c_d_prodsum'] = (x['c'] * x['d']).sum()
    return pd.Series(d, index=['a_sum', 'a_max', 'b_mean', 'c_d_prodsum'])

df.groupby('group').apply(f)

         a_sum     a_max    b_mean  c_d_prodsum
group                                           
0      0.864569  0.446069  0.466054     0.173711
1      1.478872  0.843026  0.687672     0.630494

如果你爱上了MultiIndexes，仍然可以返回带有以下内容的Series：

    def f_mi(x):
        d = []
        d.append(x['a'].sum())
        d.append(x['a'].max())
        d.append(x['b'].mean())
        d.append((x['c'] * x['d']).sum())
        return pd.Series(d, index=[['a', 'a', 'b', 'c_d'], 
                                   ['sum', 'max', 'mean', 'prodsum']])

df.groupby('group').apply(f_mi)

              a                   b       c_d
            sum       max      mean   prodsum
group                                        
0      0.864569  0.446069  0.466054  0.173711
1      1.478872  0.843026  0.687672  0.630494