- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我的目标是按特定列(标识符)对数据集进行分组,然后执行一些自定义操作(首先按日期排序,然后连接状态)。
这是我到目前为止所做的事情。
import pandas as pd
from io import StringIO
text = """date identifier status
1/1/18 A Pending
1/1/18 B Pending
1/1/18 C Pending
1/2/18 A Approve
1/2/18 B Pending
1/2/18 C Pending
1/3/18 B Approve
1/3/18 C Pending"""
text = StringIO(text)
df = pd.read_csv(text, sep="\t")
# group by identifier
# within the group, sort by date
# then concatenate by status
def myfunc(df):
df.sort_values(by="date", ascending=True)
res = [s[0] for s in df['status']]
return ''.join(res)
df.groupby(['identifier']).agg(lambda x: myfunc(x))
id date status
A PA PA
B PPA PPA
C PPP PPP
看起来agg
会将lambda
函数应用于每一列,当应用于每一列时,整个组将是可见的,这导致status
和 date
出现在最终结果中并共享相同的输出。 我可以稍后删除日期列,但看起来并不理想。
我尝试指定状态列,然后您将无法看到要包含的其他列(用于排序)。
def myfunc1(x):
print(x)
df.groupby(['identifier']).agg({'status': lambda x: myfunc1(x)})
0 Pending
3 Approve
Name: status, dtype: object
1 Pending
4 Pending
6 Approve
Name: status, dtype: object
2 Pending
5 Pending
7 Pending
Name: status, dtype: object
综上所述,如何正确使用 agg 函数才能得到最终结果
id status
A PA
B PPA
C PPP
最佳答案
IIUC,您可以先切片,然后再agg
df['letter'] = df.status.str[0]
df.groupby('identifier').letter.agg(''.join)
identifier
A PA
B PPA
C PPP
<小时/>
但是如果你真的想使用你的myfunc
,你可以通过这样做来纠正它
重新分配sort_values
(或完全删除它):按照现在的方式,您正在排序,但不使用sort_values
的返回值。因此,实际上什么也没做。 (我相信你应该在groupby
和agg
之前sort_values
,而不是在agg func
内部。
指定您要聚合
状态
列,而不是所有列。您可以通过两种方式做到这一点,如下所示
代码如下:
def myfunc(ser):
res = [s[0] for s in ser]
return ''.join(res)
df = df.sort_values('date', ascending=True)
df.groupby(['identifier']).agg({'status': lambda x: myfunc(x)})
或
df.groupby(['identifier']).status.agg(lambda x: myfunc(x))
#same as
df.groupby(['identifier']).status.agg(myfunc)
关于python - 在 Pandas Groupby 和 Agg 中保留一列但使用其他列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51572393/
我有两种方法来汇总数据。 首先,我过滤mysql数据并进行汇总 其次,i aggs将数据过滤为aggs。 如下: 我发现了不同的结果,我不知道为什么。 有人可以解释吗? 最佳答案 从Docs By d
在一个具体问题上,假设我有一个 DataFrame DF word tag count 0 a S 30 1 the S 20 2 a T
我正在使用Python进行数据分析,但我遇到了部分CH的问题。9(数据聚合和分组操作)部分,介绍“使用函数分组”。。具体地说,如果我使用GroupBy对象方法或Numpy定义的函数,一切都会正常工作。
接听this question原来 df.groupby(...).agg(set) 和 df.groupby(...).agg(lambda x: set(x)) 正在产生不同的结果。 数据: df
如何在这样的字符串列中执行最大值? dataframe = pandas.DataFrame.from_dict( { "DEP
我有一个查询,用于查询给定日期时间窗口(即2017-02-17T15:00:00.000和2017-02-17T16:00:00.000之间)中的条目数。执行此查询时,我得到的结果不正确(最好说结果是
我正在尝试进行一些聚合查询并遇到一些问题。 GET /my_index/_search { "size" : 0, "aggs":{ "group_by":{ "terms": {
对于pandas agg,有没有办法根据数据类型指定聚合函数?例如,对象类型的所有列都获得“第一”,所有 float 获得“平均值”,等等?以避免必须输入所有列及其各自的聚合函数。 示例数据: imp
这是我当前的代码: pipe_exec_df_final_grouped = pipe_exec_df_final.groupBy("application_id").agg(collect_list
我有一个简单的 dataframe (df),如下所示: index Job Person 1 j1 Cathy 2 j2 Mark 3 j3 Cathy 4
我正在尝试对术语(count_bucket)进行AVG计数,但是出现错误: "buckets_path must reference either a number value or a single
我正在执行弹性查询并使用 REST 调用读取 java 代码中的响应。 当我阅读响应时,字段的顺序 - 200、204、4xx、5xx 不会按照响应中的顺序返回。 在下面找到示例请求 GET appl
我希望对文档下的属性值进行 Max 聚合,该属性是复杂对象(键和值)的列表。这是我的数据: [{ "id" : "1", "listItems" : [
我使用 Elasticsearch 来存储我的生物数据。 我尝试使用过滤后的 aggs 进行查询,但返回的数据不是我想要的。 问题来自这样一个事实,即我为每个样本都有一个“d_”属性,它是一个数组。我
当我尝试运行此查询时,elasticsearch无法回答,并且发生大量缓存逐出(与字段缓存有关)。 我不想在此查询中缓存任何字段,因为这是一个分析查询,我每天只运行一次。有什么办法可以在不使用字段缓存
我想将 DataFrame.agg 的输出转换为一个系列,其中索引是列名称和 agg 函数名称的组合。 看我有 In [132]: df = pd.DataFrame({ ...:
我想根据索引的第二级对具有多重索引的数据帧应用不同的函数。 例如,对于数据框: In [4]: df = pd.DataFrame({'a': [1,2,6,7],'b': [7,1,4,5]}, i
假设我有这样的代码: meanData = all_data.groupby(['Id'])[features].agg('mean') 这按'Id' 值对数据进行分组,选择所需的特征,并通过计算的'
下面是我的数据框的一个小样本,它有 25000 奇数行长: In [58]: df Out[58]: Send_Agent Send_Amount 0 ADR000264 361
假设我有一个 pandas dataFrame (data_stores) 类似于以下内容: store| item1 | item2 | item3 ------------------------
我是一名优秀的程序员,十分优秀!