python - 使用索引的函数聚合失败

Question

对于这个简单的问题，我深表歉意，我是一个 R 用户，对 python 相对较新。

考虑以下最小示例:

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
                              'foo', 'bar', 'foo', 'foo'],
                   'B' : ['one', 'one', 'two', 'three',
                              'two', 'two', 'one', 'three'],
                   'C' : range(0,8),
                   'D' : range(0,8)})

以下会引发错误:

def myf(x):
    return x[2]

df[["A","C","D"]].groupby('A').aggregate(myf)

所需的输出将是一个 pandas 表，如下所示:

| A     | myf C | myf D |
-------------------------
| foo   | 2     | 2     |
| bar   | 3     | 3     |

从评论和文档来看，似乎可以做这样的事情:

def myf(x):
    return x.first

获取第一项，但尚不清楚如何构造一个仍能获取适当索引值的非内置方法。像这样的东西:

def myf(x):
  return Series(x[1], index=x.index)

似乎不起作用。

Answer 1

来自Aggregation文档-

Aggregating functions are ones that reduce the dimension of the returned objects, for example: mean, sum, size, count, std, var, sem, describe, first, last, nth, min, max. This is what happens when you do for example DataFrame.sum() and get back a Series.

如果您遵循@DSM的建议并将print(x)添加到myf，您将看到您将传递一个Series 使用原始 DataFrame 中的 index。因此，如果您通常要求 x[1]，则某些 Series 将没有该索引。

您可以return x.iloc[0]，这样您就可以依赖位置，而不是基于标签的索引。换句话说，您选择分组的 Series 中的第一项，而不是原始 DataFrame 中恰好具有标签“1”的项。