对组对象中的不同项应用不同的函数：Python
假设我有一个数据帧，如下所示：
In [1]: test_dup_df
Out[1]:
exe_price exe_vol flag
2008-03-13 14:41:07 84.5 200 yes
2008-03-13 14:41:37 85.0 10000 yes
2008-03-13 14:41:38 84.5 69700 yes
2008-03-13 14:41:39 84.5 1200 yes
2008-03-13 14:42:00 84.5 1000 yes
2008-03-13 14:42:08 84.5 300 yes
2008-03-13 14:42:10 84.5 88100 yes
2008-03-13 14:42:10 84.5 11900 yes
2008-03-13 14:42:15 84.5 5000 yes
2008-03-13 14:42:16 84.5 3200 yes
我想在时间14:42:10分组一个重复的数据，并应用不同的函数到exe_price和exe_vol（例如，求和exe_vol和计算卷加权平均值exe_price）...我知道我能做到
In [2]: grouped = test_dup_df.groupby(level=0)
将重复索引分组，然后使用first（）或last（）函数获取第一行或最后一行，但这并不是我真正想要的。
是否有方法对不同列中的值进行分组，然后应用不同的（由我编写的）函数？
共有3个答案
不太熟悉熊猫，但在纯numpy中，您可以：
tot_vol = np.sum(grouped['exe_vol'])
avg_price = np.average(grouped['exe_price'], weights=grouped['exe_vol'])
我喜欢@waitingkuo的答案，因为它非常清晰易读。
不管怎样，我一直保留着这个，因为它看起来确实更快——至少在熊猫版本0.10.0中是这样。这种情况可能（希望）在未来发生变化，因此一定要重新运行基准测试，特别是如果您使用的是不同版本的Pandas。
import pandas as pd
import io
import timeit
data = '''\
date time exe_price exe_vol flag
2008-03-13 14:41:07 84.5 200 yes
2008-03-13 14:41:37 85.0 10000 yes
2008-03-13 14:41:38 84.5 69700 yes
2008-03-13 14:41:39 84.5 1200 yes
2008-03-13 14:42:00 84.5 1000 yes
2008-03-13 14:42:08 84.5 300 yes
2008-03-13 14:42:10 10 88100 yes
2008-03-13 14:42:10 100 11900 yes
2008-03-13 14:42:15 84.5 5000 yes
2008-03-13 14:42:16 84.5 3200 yes'''
df = pd.read_table(io.BytesIO(data), sep='\s+', parse_dates=[[0, 1]],
index_col=0)
def func(subf):
exe_vol = subf['exe_vol'].sum()
exe_price = ((subf['exe_price']*subf['exe_vol']).sum()
/ exe_vol)
flag = True
return pd.Series([exe_price, exe_vol, flag],
index=['exe_price', 'exe_vol', 'flag'])
# return exe_price
def using_apply():
return df.groupby(df.index).apply(func)
def using_helper_column():
df['weight'] = df['exe_price'] * df['exe_vol']
grouped = df.groupby(level=0, group_keys=True)
result = grouped.agg({'weight': 'sum', 'exe_vol': 'sum'})
result['exe_price'] = result['weight'] / result['exe_vol']
result['flag'] = True
result = result.drop(['weight'], axis=1)
return result
result = using_apply()
print(result)
result = using_helper_column()
print(result)
time_apply = timeit.timeit('m.using_apply()',
'import __main__ as m ',
number=1000)
time_helper = timeit.timeit('m.using_helper_column()',
'import __main__ as m ',
number=1000)
print('using_apply: {t}'.format(t = time_apply))
print('using_helper_column: {t}'.format(t = time_helper))
产量
exe_vol exe_price flag
date_time
2008-03-13 14:41:07 200 84.50 True
2008-03-13 14:41:37 10000 85.00 True
2008-03-13 14:41:38 69700 84.50 True
2008-03-13 14:41:39 1200 84.50 True
2008-03-13 14:42:00 1000 84.50 True
2008-03-13 14:42:08 300 84.50 True
2008-03-13 14:42:10 100000 20.71 True
2008-03-13 14:42:15 5000 84.50 True
2008-03-13 14:42:16 3200 84.50 True
具有时间基准：
using_apply: 3.0081038475
using_helper_column: 1.35300707817
应用您自己的功能：
In [12]: def func(x):
exe_price = (x['exe_price']*x['exe_vol']).sum() / x['exe_vol'].sum()
exe_vol = x['exe_vol'].sum()
flag = True
return Series([exe_price, exe_vol, flag], index=['exe_price', 'exe_vol', 'flag'])
In [13]: test_dup_df.groupby(test_dup_df.index).apply(func)
Out[13]:
exe_price exe_vol flag
date_time
2008-03-13 14:41:07 84.5 200 True
2008-03-13 14:41:37 85 10000 True
2008-03-13 14:41:38 84.5 69700 True
2008-03-13 14:41:39 84.5 1200 True
2008-03-13 14:42:00 84.5 1000 True
2008-03-13 14:42:08 84.5 300 True
2008-03-13 14:42:10 20.71 100000 True
2008-03-13 14:42:15 84.5 5000 True
2008-03-13 14:42:16 84.5 3200 True
-
编辑：最后一个问题，如何通过值而不是引用来存储它？
-
我想知道如何为不同对象的数组指定JSON模式。这个线程给了我一半的答案，但当我有每种类型的对象的多个实例时，它就失败了。 下面是一个基于这里给出的示例的示例XML，但是重复了“product”对象：- 下面的模式将只在每种类型都有单个实例时（例如，如果“product”只出现一次）验证上面的XML。 为了增加娱乐性，我不能使用像“anyof”这样的关键字，因为我要将这个模式嵌入到一个Swagger
-
问题内容： 我正在练习继承。 我有两个相似的类，我想将其同化为一个数组，因此我想将Object类用作超类，因为所有内容都是Object的子类。 因此，例如，我将T类和CT类放入一个名为all的数组中，如下所示： 我跳过了声明，因为那不是我的问题。 当我希望使用循环在数组内调用函数时，我真正的问题就变成了： T和CT分别涉及的类都具有beingShot方法，该方法是公共的。 Eclipse建议将它们
-
打印c时，c的值是初始化的值，x,y都是1。a变化了不影响c。 那么函数d在初始化时，x:b(),y:a为什么不初始化为x:1,y:1呢，就是这样
-
问题内容： 我尝试过一些关于绑定和未绑定方法的代码。当我们调用它们时，我认为它们都会返回对象。但是，当我用于获取一些信息时，它返回的内容我并不理解。 IDE：Eclipse 插件：pydev 输出是… 为什么＃1和＃2返回相同的ID？他们不是不同的对象吗？如果我们分配和两个变量，＃3，＃4回报不同的ID。 我认为＃3和＃4表明它们不是同一对象，而是＃1和＃2 … 绑定方法的ID和未绑定方法的ID有
-
我是新来的Clojure和玩它的乐趣。 我正在阅读一个CSV文件，并希望对每一列应用一个不同的函数。什么是一个优雅的（既简洁又可读）方法来做到这一点？我探讨了两种方法： null 对于每一行... ...我想对每个元素应用一个不同的函数，得到这样的结果： 我要使用的函数是： null 使用此方法,我首先将每一行转换为一个映射： 编辑：并且我想获取此地图： 转换器也存储在映射中： 最后我会把数据放入