python - 如何在 DataFrame 中创建和使用新函数？

Question

如何创建新函数并在 DataFrame 中使用这个新函数，以便在聚合期间添加新列？从我的数据框中，我获取了“风向”和“温度”，对于这些列，我想将其聚合并创建表，其中包含“风向”的平均值以及所有城市的值与平均值“aa”之间的差值，对于“温度”。然而，在我使用函数“aa”的列中，我有 0。问题出在哪里，你能给我写适当的代码行吗？

def aa(x):
    return x - np.mean(x)

file.groupby(["City"]).agg({"Wind direction":[np.mean, aa], "Temperature":["mean", aa]})

Answer 1

您在错误的分组级别上应用了aa。这是一个简单的例子:

np.random.seed(1)
size = 10
file = pd.DataFrame({
    'City': np.random.choice(list(string.ascii_uppercase), size),
    'Wind direction': np.random.randint(0, 360, size),
    'Temperature': np.random.randint(1, 100, size)
}).sort_values('City').reset_index(drop=True)

df:

  City  Wind direction  Temperature
0    A             252           87
1    F             129           30
2    F             254           95
3    I             281           69
4    J             178           88
5    L              71           15
6    L             276           88
7    M             237           51
8    P             357           97
9    Q             156           14

您的原始代码...

def aa(x):
    return x - np.mean(x)

file.groupby(["City"]).agg({"Wind direction":[np.mean, aa], "Temperature":["mean", aa]})

..产生:

     Wind direction                  Temperature               
               mean               aa        mean             aa
City                                                           
A             252.0                0        87.0              0
F             191.5    [-62.5, 62.5]        62.5  [-32.5, 32.5]
I             281.0                0        69.0              0
J             178.0                0        88.0              0
L             173.5  [-102.5, 102.5]        51.5  [-36.5, 36.5]
M             237.0                0        51.0              0
P             357.0                0        97.0              0
Q             156.0                0        14.0              0

请注意，为什么只有出现两次的城市才有结果表中的值？当该城市只有 1 个数据点时，x == np.mean(x) 因此它们的差异为 0。

<小时/>

解决方案

将聚合函数定义为:

def aa(col):
    # Difference between the local (city) mean and the global (entire column) mean
    return col.mean() - file[col.name].mean()

file.groupby(["City"]).agg({"Wind direction":[np.mean, aa], "Temperature":["mean", aa]}) 

结果:

     Wind direction        Temperature      
               mean     aa        mean    aa
City                                        
A             252.0   32.9        87.0  23.6
F             191.5  -27.6        62.5  -0.9
I             281.0   61.9        69.0   5.6
J             178.0  -41.1        88.0  24.6
L             173.5  -45.6        51.5 -11.9
M             237.0   17.9        51.0 -12.4
P             357.0  137.9        97.0  33.6
Q             156.0  -63.1        14.0 -49.4