如果列表中的索引，熊猫按功能分组以执行不同的方法

Posted 2023-02-16

【中文标题】如果列表中的索引，熊猫按功能分组以执行不同的方法

【英文标题】：Pandas group by function to do different methods if index in list

【发布时间】：2021-11-17 12:02:29

【问题描述】：

我想知道是否可以创建自己的 groupby 函数，根据索引是否在某个列表中，在单个列中为输出运行不同的方法。例如：

df = pd.DataFrame('ID' : [1, 1, 1, 2, 2, 2, 2, 3, 3, 3],
                   'Data' : [5, 7, 6, 13, 14, 11, 10, 2, 4, 3])

some_list = [2, 3]

我想按 ID 列分组，并返回 Data 列的平均值（df.groupby('ID').mean() 对于大多数值）但是，如果 ID 在 some_list 中，那么我希望将平均值计算为 Data 的总和除以 4 (df.groupby('ID').sum()/4)。上面的输出如下所示：

   ID   Data
0   1   6.00
1   2  12.00
2   3   2.25

我知道我可以分别执行这两种方法并在执行 groupby 后加入一列，但我想知道是否可以一步完成？也许是df.groupby('ID').apply(function)？

我查看了this question，但没有帮助。

【参考方案1】：

尝试groupby 和apply 和一个条件：

df.groupby('ID', as_index=False)['Data'].apply(lambda x: x.sum() / 4 if x.name in some_list else x.mean())

输出：

   ID   Data
0   1   6.00
1   2  12.00
2   3   2.25

【讨论】：

这个方法完全符合我的需要，但我刚刚使用 pylint 分析了我的代码，它给出了一个警告：W0640 (cell-var-from-loop): Cell variable defined in loop。我不知道这是否只是因为它在我的代码中的位置（我在 for 循环中使用它）。

@EmiOB 那肯定不是我的代码，肯定是你的其他代码，pandas 有不同的警告。

刚刚测试过，不是你的代码，我显然搞砸了

@EmiOB 酷！希望你能解决它

@EmiOB 你可以在谷歌上搜索如何禁用警告:)

【参考方案2】：

如果性能很重要，不要使用groupby.apply，您可以过滤聚合行sum 和聚合mean：

s = df[df['ID'].isin(some_list)].groupby('ID')['Data'].sum().div(4)
df = s.combine_first(df.groupby('ID')['Data'].mean()).reset_index()

print (df)
   ID   Data
0   1   6.00
1   2  12.00
2   3   2.25

这是替代解决方案：

df = df.groupby('ID')['Data'].agg(['sum','mean']).reset_index()
df['Value'] = np.where(df['ID'].isin(some_list), df.pop('sum').div(4), df.pop('mean'))
print (df)
   ID  Value
0   1   6.00
1   2  12.00
2   3   2.25