python - Pandas Groupby 在不同轴上使用多个标准

Question

我有一个 df 数据框，例如:

      | A | B | A_ | B_ |COMMON|
--------------------------------
0     | 1 | 3 | 0  | 1  | a    |
--------------------------------
1     | 8 | 5 | 4  | 0  | a    |
--------------------------------
2     | 3 | 6 | 2  | 4  | b    |
--------------------------------
3     | 9 | 9 | 1  | 7  | b    |

我想将所有列 X 与所有字母 A,B,... 的 X_ 分组(比方说，组也称为 X)，并使用 COMMON 进行分组。我想将 std() 之类的稍后函数应用于所有分组值。

所以结果看起来像:

COMMON  |  A     |  B     |
---------------------------
a       |std(...)|std(...)|
---------------------------
b       |std(...)|std(...)|

我已经能够对一个或另一个进行分组，使用 df.groupby(['COMMMON']) 作为一个标准，并使用 .groupby(mapping_function, axis=1) 用于另一个，但我如何将它们一起使用？

中间步骤的另一种替代方法是连接各个列，这样我会得到:

      | A | B |COMMON|
----------------------
0     | 1 | 3 |a    |
---------------------
1     | 8 | 5 |a    |
---------------------
2     | 3 | 6 |b    |
---------------------
3     | 9 | 9 |b    |
---------------------
0     | 0 | 1 |a    |
---------------------
1     | 4 | 0 |a    |
---------------------
2     | 2 | 4 |b    |
---------------------
3     | 1 | 7 |b    |

但我也不知道该怎么做。同样如您所见，我并不真正关心索引。

感谢您的帮助!

Answer 1

您可以先通过 melt 进行整形使用 pivot_table 从列名中删除 _(为了更好的性能，因为 strip 只有几个值) :

df = (df.rename(columns=lambda x: x.strip('_'))
        .melt('COMMON')
        .pivot_table(index='COMMON',columns='variable', values='value', aggfunc='std'))

print (df)
variable         A         B
COMMON                      
a         3.593976  2.217356
b         3.593976  2.081666