pandas groupby 应用于多个列以生成新列

Posted

技术标签:

【中文标题】pandas groupby 应用于多个列以生成新列【英文标题】:pandas groupby apply on multiple columns to generate a new column 【发布时间】:2018-04-23 22:45:36 【问题描述】:

我喜欢使用 groupby-apply 在 pandas 数据框中生成一个新列。

例如,我有一个数据框:

df = pd.DataFrame('A':[1,2,3,4],'B':['A','B','A','B'],'C':[0,0,1,1])

并尝试通过 groupby-apply 生成一个新列“D”。

这行得通:

df = df.assign(D=df.groupby('B').C.apply(lambda x: x - x.mean()))

因为(我认为)它返回与数据框具有相同索引的系列:

In [4]: df.groupby('B').C.apply(lambda x: x - x.mean())
Out[4]:
0   -0.5
1   -0.5
2    0.5
3    0.5
Name: C, dtype: float64

但如果我尝试使用多列生成新列,我无法将其直接分配给新列。所以这不起作用:

 df.assign(D=df.groupby('B').apply(lambda x: x.A - x.C.mean()))

返回

TypeError: incompatible index of inserted column with frame index

事实上,groupby-apply 返回:

In [8]: df.groupby('B').apply(lambda x: x.A - x.C.mean())
Out[8]:
B
A  0    0.5
   2    2.5
B  1    1.5
   3    3.5
Name: A, dtype: float64

我可以的

df.groupby('B').apply(lambda x: x.A - x.C.mean()).reset_index(level=0,drop=True))

但这似乎很冗长,我不确定这是否会一直按预期工作。

所以我的问题是:(i)pandas groupby-apply 什么时候返回类似索引系列与多索引系列? (ii) 有没有更好的方法通过 groupby-apply 将新列分配给多个列?

【问题讨论】:

【参考方案1】:

让我们在 groupby 中使用group_keys=False

df.assign(D=df.groupby('B', group_keys=False).apply(lambda x: x.A - x.C.mean()))

输出:

   A  B  C    D
0  1  A  0  0.5
1  2  B  0  1.5
2  3  A  1  2.5
3  4  B  1  3.5

【讨论】:

这直接回答了我的问题。 请注意,此解决方案仅在 .apply() 方法返回与您分配的数据框具有相同行数的系列时才有效。否则返回的系列的索引和数据框不匹配。 @petrovski 感谢您指出这一点,我想知道这样的事情会如何工作【参考方案2】:

对于这种情况,我认为不需要在 apply 中包含 A 列,我们可以使用 transform

df.A-df.groupby('B').C.transform('mean')
Out[272]: 
0    0.5
1    1.5
2    2.5
3    3.5
dtype: float64

你可以把它分配回去

df['diff']= df.A-df.groupby('B').C.transform('mean')
df
Out[274]: 
   A  B  C  diff
0  1  A  0   0.5
1  2  B  0   1.5
2  3  A  1   2.5
3  4  B  1   3.5

【讨论】:

以上是关于pandas groupby 应用于多个列以生成新列的主要内容,如果未能解决你的问题,请参考以下文章

Pandas 组合 BQ 表中的多个列以生成 FB 转换 api 的有效负载

基于pandas groupby拆分dataframe并生成多个PDF

Groupby并通过在Pandas中随机分配多个字符串来创建一个新列

pandas将初始dataframe基于分组变量拆分为多个新的dataframe使用groupby函数tuple函数dict函数(splitting dataframe multiple)

在 Pandas 数据框中过滤多个列以获取相同的字符串

使用pandas groupby并申请累积积分