python - Pandas 聚集在所有列上

Question

Python 3 和 Pandas 0.23

我有一个包含 2000 列的 DataFrame，需要根据每列的一些汇总统计数据进行一些变量消除。

测试数据:

data = pd.DataFrame({
    'a': np.random.normal(0, 2, 10), \
    'b': np.random.normal(0, 2, 10), \
    'c': np.random.normal(0, 2, 10) \
    })

作品:

data.aggregate(['min','max', 'nunique']).transpose()

有效，但如何命名 lambda 列？

data.aggregate(['min','max', 'nunique', (lambda x: np.unique(x).size / x.size)]).transpose()

显然你应该能够给聚合函数一个字典，但我无法让它工作，除了命名所有要计算统计信息的列，这是 2000 列。

我不希望生成的 DataFrame 格式为每个 min、max、nunqiue 的一列和原始 data DataFrame 中每一列的一行

Answer 1

你可以 rename <lambda>聚合后的列，但是如果您有多个 lambda 函数，那么它们都具有相同的名称，这就是一个问题。相反，只需使用您想要的名称定义您的函数，然后在 agg 中调用它们.

import numpy as np

def named_f1(x):
    return np.unique(x).size / x.size

data.aggregate(['min','max', 'nunique', named_f1]).T

输出:

        min       max  nunique  named_f1
a -4.152149  4.095229     10.0       1.0
b -3.436940  3.266958     10.0       1.0
c -1.703651  3.198662     10.0       1.0