python - 使用多列的 Pandas groupby 函数

Question

这类似于以下内容，但我想进一步提出一个问题: pandas groupby apply on multiple columns to generate a new column

我有这个数据框:

    Group  Value  Part    Ratio
0     A    6373    10    0.637300
1     A    2512    10    0.251200
2     A    603     10    0.060300
3     A    512     10    0.051200
4     B    5200    20    0.472727
5     B    4800    20    0.436364
6     B    501     20    0.045545
7     B    499     20    0.045364

这个函数同时使用了我想应用于每个“组”的“比率”和“部分”列:

def allocation(df, ratio, part):
    k = df[part].max()
    frac, results = np.array(np.modf(k * df[ratio]))
    remainder = int(k - results.sum())
    indices = np.argsort(frac)[::-1]
    results[indices[0:remainder]] += 1
    return results.astype(int)

请注意，我的函数与我在顶部提到的问题中显示的函数之间的区别在于，我的函数返回整个组的值数组而不是单个值。我尝试了以下方法:

data.groupby('Group', group_keys=False).apply(allocation, ratio='Ratio', part='Part')
Out[67]: 
Group
A    [6, 2, 1, 1]
B    [9, 9, 1, 1]
dtype: object

这些数字是正确的。但是，我需要输出是一个系列，我可以将其分配回原始数据帧，这样它看起来像这样:

    Group  Value  Part    Ratio     Allocate
0     A    6373    10    0.637300     6
1     A    2512    10    0.251200     2
2     A    603     10    0.060300     1
3     A    512     10    0.051200     1
4     B    5200    20    0.472727     9
5     B    4800    20    0.436364     9
6     B    501     20    0.045545     1
7     B    499     20    0.045364     1

我该怎么做呢？使用的方法是否正确？

Answer 1

要以 pandas 的方式做到这一点，您可以让分配函数返回一个 DataFrame 或 Series:

def allocation(df, ratio, part):
    k = df[part].max()
    frac, results = np.array(np.modf(k * df[ratio]))
    remainder = int(k - results.sum())
    indices = np.argsort(frac)[::-1]
    results[indices[0:remainder]] += 1
    df['Allocate'] = results.astype(int)
    return df

然后groupby.apply就直接给你想要的了

In [61]: df.groupby('Group', group_keys=False).apply(allocation, ratio='Ratio', part='Part')
Out[61]:
  Group  Value  Part   Ratio  Allocate
0     A   6373    10  0.6373         6
1     A   2512    10  0.2512         2
2     A    603    10  0.0603         1
3     A    512    10  0.0512         1
4     B   5200    20  0.4727         9
5     B   4800    20  0.4364         9
6     B    501    20  0.0455         1
7     B    499    20  0.0454         1

即使原始数据帧未按 Group 排序，这也能正常工作。试试 df2 = pd.concat([df.iloc[:2], df.iloc[6:], df.iloc[2:6]])