Multi-Groupby（迭代或应用函数）

Posted 2023-03-12

【中文标题】Multi-Groupby（迭代或应用函数）

【英文标题】：Multi-Groupby (iterate or apply function)

【发布时间】：2019-06-22 03:53:54

【问题描述】：

发帖是因为这是我第一次找不到问题的答案。我已经接近了，但没有骰子。我正在尝试迭代、for 循环或将函数应用于按两列分组的 pandas 数据帧，我想要获取的数据位于第 1 列和第 2 列分组后的第三列中。

给定样本数据：

df = pd.DataFrame('Class':np.random.randint(1,10,100),'Type':np.random.choice(list('ABCD'),100),'Guid':np.random.randint(10000,99999,100))

如果我使用

for name,group in df.groupby(['Class','Type']):
print(name)
print(group.Guid)

或

for name,group in df.groupby(['Class','Type'])['Guid']:
print(name)
print(group)

两者都让我得到想要的输出

    (1, 'A')
86    86606
89    69999
Name: Guid, dtype: int32
(1, 'B')
0     71982
67    95343
68    84520
75    57036
87    61938
Name: Guid, dtype: int32
(1, 'C')
48    67008
Name: Guid, dtype: int32
(1, 'D')
4     87947
6     98477
13    78437
53    95792
76    66178
Name: Guid, dtype: int32
(2, 'A')
42    47960
Name: Guid, dtype: int32
(2, 'B')
30    69891
82    84436
91    54546
Name: Guid, dtype: int32
(3, 'A')
5     74182
19    12167
35    99939
78    38939
Name: Guid, dtype: int32
(3, 'B')
16    92239
27    25167
41    84245
47    43174
51    50472
Name: Guid, dtype: int32

接下来我想做的是一些数学运算或在其分组设置中将函数应用于“Guid”，而不是标准均值、标准、计数等。这些工作正常，甚至可以聚合它们。

df.groupby(['Class','Type']).Guid.mean()
Class  Type
1      A       78302.500000
       B       74163.800000
       C       67008.000000
       D       85366.200000
2      A       47960.000000
       B       69624.333333
3      A       56306.750000
       B       59059.400000
       C       31237.000000
       D       61973.000000
4      A       36573.000000
       B       55441.250000
       C       49381.333333
       D       35420.000000
5      A       57252.500000
       B       59267.250000
       C       48885.000000
       D       62163.000000
6      A       43106.800000
       B       46767.500000
       C       23170.000000
       D       31663.000000
7      A       47804.750000
       B       61570.666667
       C       60989.666667
       D       57300.000000
8      A       55890.000000
       B       50629.000000
       D       26312.000000
9      A       13338.500000
       B       49556.000000
       C       66602.400000
       D       58603.500000
Name: Guid, dtype: float64

但是我想不通的是，当“Guid”按 ['Class','Type'] 分组时，如何将我自己的数学或函数应用于“Guid”。例如，如果我想计算“Guid”中的值更改超过 10,000 的次数。

df.groupby(['Class','Type']).Guid.apply(function or maths here)
df.groupby(['Class','Type']).agg(['count','mean','std',somefunctionhere]).Guid

非常感谢任何帮助！

【问题讨论】：

那么问题是如何定义一个适用于分组系列的函数？

This question 之前被问过，并给出了如何定义自定义聚合函数的示例，除了内置的 agg 方法之外，您还可以使用这些函数。

@Dark，是的系列。我可以将函数应用于组，而不是组内的系列。当我认为我已经接近时，我得到的最常见错误是 KeyError: 0, Exception:Column(s) my column already selected, 或 TypeError: cannot convert the series to

【参考方案1】：

这是一个关于如何应用您自己的自定义函数的示例：

import pandas as pd
import numpy as np

def myfunc(group):
    # You can do whatever you want to the group, just make sure it returns that grouping as dataframe
    group['guid_sum'] = group['Guid'].sum()
    return group

df = pd.DataFrame('Class':np.random.randint(1,10,100),'Type':np.random.choice(list('ABCD'),100),'Guid':np.random.randint(10000,99999,100))
group = df.groupby(['Class','Type'])
applied = group.apply(myfunc)