python - 如何将函数应用于 Python pandas 中的分组数据框？

Question

我按其中一列对我的数据框进行分组，如下所示(iris 数据集示例):

grouped_iris = iris.groupby(by="Name")

我想为每个组应用一个函数，该函数对 grouped_iris 中的列子集执行特定操作。我如何为每个组(Name 的每个值)应用一个函数，将 PetalLength 和 PetalWidth 相加并将其放入名为 SumLengthWidth?我知道我可以像这样用 agg 对每组的所有列求和:

grouped_iris.agg(sum)

但我正在寻找的是一个转折点:我不想对每一列的特定 Name 的所有条目求和，我只想对列的一个子集求和( SepalWidth, SepalLength) 用于每个 Name 组。谢谢。

Answer 1

无法确定您是否需要汇总数字(在这种情况下，Andy 的解决方案就是您想要的)，或者您是否希望将其转换回原始数据框。如果是后者，可以使用transform

In [33]: cols = ['PetalLength', 'PetalWidth']

In [34]: transformed = grouped_iris[cols].transform(sum).sum(axis=1)

In [35]: iris['SumLengthWidth'] = transformed

In [36]: iris.head()
Out[36]: 
   SepalLength  SepalWidth  PetalLength  PetalWidth         Name  SumLengthWidth
0          5.1         3.5          1.4         0.2  Iris-setosa            85.4
1          4.9         3.0          1.4         0.2  Iris-setosa            85.4
2          4.7         3.2          1.3         0.2  Iris-setosa            85.4
3          4.6         3.1          1.5         0.2  Iris-setosa            85.4
4          5.0         3.6          1.4         0.2  Iris-setosa            85.4

编辑:一般案例

一般来说，对于数据帧 df，将 groupby 与 sum 聚合会得到每个组的总和

In [47]: df
Out[47]: 
  Name  val1  val2
0  foo     6     3
1  bar    17     4
2  foo    16     6
3  bar     7     3
4  foo     6    13
5  bar     7     1

In [48]: grouped = df.groupby('Name')

In [49]: grouped.agg(sum)
Out[49]: 
      val1  val2
Name            
bar     31     8
foo     28    22

在您的情况下，您有兴趣对这些行求和:

In [50]: grouped.agg(sum).sum(axis=1)
Out[50]: 
Name
bar     39
foo     50

但这只会给你 2 个数字；每组1个。一般来说，如果您希望将这两个数字转换回原始数据帧，您需要使用transform:

In [51]: grouped.transform(sum)
Out[51]: 
   val1  val2
0    28    22
1    31     8
2    28    22
3    31     8
4    28    22
5    31     8

请注意这些值如何与 agg 生成的值完全相同，但是它与原始 df 具有相同的维度.还要注意每个其他值是如何重复的，因为行 [0、2、4] 和 [1、3、5] 是相同的组。在您的情况下，您需要这两个值的总和，因此您需要对各行求和。

In [52]: grouped.transform(sum).sum(axis=1)
Out[52]: 
0    50
1    39
2    50
3    39
4    50
5    39

您现在有一个与原始数据框长度相同的系列，因此您可以将其作为列重新分配(或对其进行您喜欢的操作):

In [53]: df['val1 + val2 by Name'] = grouped.transform(sum).sum(axis=1)

In [54]: df
Out[54]: 
  Name  val1  val2  val1 + val2 by Name
0  foo     6     3                   50
1  bar    17     4                   39
2  foo    16     6                   50
3  bar     7     3                   39
4  foo     6    13                   50
5  bar     7     1                   39