Pandas groupby - 我可以将它用于不同行集的不同功能吗?
Posted
技术标签:
【中文标题】Pandas groupby - 我可以将它用于不同行集的不同功能吗?【英文标题】:Pandas groupy - Can I use it for different functions on different sets of rows? 【发布时间】:2021-11-03 21:17:49 【问题描述】:我有一个大型 pandas 数据框,其中包含许多不同类型的观察结果,需要对其应用不同的模型。一列是要应用的模型,并且可以映射到接受数据帧并返回数据帧的 python 函数。一种方法是只需执行 3 个步骤:
-
将数据帧拆分为用于 n 个不同模型的 n 个数据帧
通过每个函数运行每个数据帧
在最后连接输出数据帧
这最终会变得不那么灵活,尤其是在添加和删除模型时。看着 groupby 似乎我应该能够利用它来使它在代码方面看起来更清晰,但我一直无法找到一个可以做我想要的模式。
另外,由于这些数据的大小,使用 apply 并不是特别有用,因为它会大大减慢运行时间。
快速示例:
df = pd.DataFrame("model":["a","b","a"],"a":[1,5,8],"b":[1,4,6])
def model_a(df):
return df["a"] + df["b"]
def model_b(df):
return df["a"] - df["b"]
model_map = "a":model_a,"b":model_b
results = df.groupby("model")...
预期结果将类似于 [2,1,14]。有没有一种简单的代码方式来做到这一点?请注意,实际模型要复杂得多,并且可能涉及数百个具有大量转换的变量,这只是一个玩具示例。
谢谢!
【问题讨论】:
【参考方案1】:你可以使用groupby/apply
:
x.name
包含组的名称,此处为 a
和 b
x
包含子数据框
df['r'] = df.groupby('model') \
.apply(lambda x: model_map[x.name](x)) \
.droplevel(level='model')
>>> df
model a b r
0 a 1 1 2
1 b 5 4 1
2 a 8 6 14
或者你可以使用np.select
:
>>> np.select([df['model'] == 'a', df['model'] == 'b'],
[model_a(df), model_b(df)])
array([ 2, 1, 14])
【讨论】:
这在运行时如何?它是利用矢量化还是逐行遍历数据帧?请注意我最初的问题中的评论:“同样由于这些数据的大小,使用 apply 并不是特别有用,因为它会大大减慢运行时间。” nvm 刚刚测试了这个效果很好并且矢量化了,谢谢!以上是关于Pandas groupby - 我可以将它用于不同行集的不同功能吗?的主要内容,如果未能解决你的问题,请参考以下文章
带有 pandas groupby multiindex 的箱线图,用于来自 multiindex 的指定子级别
Pandas`agc`列表,“AttributeError / ValueError:函数不减少”