如何在每个组上应用功能并保持相同形状的数据框

Posted 2023-04-13

【中文标题】如何在每个组上应用功能并保持相同形状的数据框

【英文标题】：How to apply function on each group and keep same shape of dataframe

【发布时间】：2020-05-27 01:48:30

【问题描述】：

我有一个包含类别的数据框，我希望按类别变量对其进行分组，然后应用一些函数 f(x)，其中 x 是一个组，并返回一个与该组形状相同的二维数组。

我希望在每个组上应用此功能，但我需要数据框保持与原始数据框相同的形状和相同的索引。

我已经使用了apply函数，这对每个组都很好地应用了f，但是现在按类别生成的数据帧索引弄乱了，我需要在应用f之前在原始数据帧中的原始索引，我该如何实现?

例如，如果我的输入是以下 df:

1  0.6 A
2  0.2 B
3  0.5 B
4  0.8 A

这里我有两个组 A 和 B，我希望为每个组应用一个函数 f(x) 并返回一个相同形状的组，这给我使用 apply 函数的以下输出

A 0.6
A 0.8
B 0.2
B 0.5

我怎样才能回到旧的数据框结构

注意：我不能使用变换，因为我的函数 f 必须将一组（2D 数组）作为输入并输出整个组（想想 sklearn imputer 的 fit_transform 函数）

【参考方案1】：

尝试将 as_index 和 group_keys 参数设置为 pandas.DataFrame.groupby 到 False - 这可能是您要查找的内容：

as_index：布尔型，默认为真

对于聚合输出，返回以组标签为索引的对象。仅与 DataFrame 输入相关。 as_index=False 实际上是“SQL 风格”的分组输出。

group_keys：bool，默认为 True

调用apply时，将组键添加到索引以识别片段。

在不确切知道您的功能是什么的情况下，很难确定它会做到这一点，但对于分配新列之类的事情，这很有效：

In [2]: df = pd.DataFrame([[0.6, 'A'], [0.2, 'B'], [0.5, 'B'], [0.8, 'A']])
In [3]: def assign_total_as_col(df):
   ...:     return df.assign(total=float(df[0].sum()))
   ...:
In [4]: df.groupby(1, as_index=False, group_keys=False).apply(assign_total_as_col)
Out[4]:
     0  1  total
0  0.6  A    1.4
3  0.8  A    1.4
1  0.2  B    0.7
2  0.5  B    0.7

对结果帧的索引进行排序（使用df.sort_index()）将为您提供您正在寻找的结果，只要您开始使用的索引已排序。