Pandas - 基于许多聚合函数添加许多新列

Question

Pandas 1.0.5

import pandas as pd
d = pd.DataFrame({
    "card_id": [1, 1, 2, 2, 1, 1, 2, 2],
    "day": [1, 1, 1, 1, 2, 2, 2, 2],
    "amount": [1, 2, 10, 20, 3, 4, 30, 40]
  })

#add columns
d['count'] = d.groupby(['card_id', 'day'])["amount"].transform('count')
d['min'] = d.groupby(['card_id', 'day'])["amount"].transform('min')
d['max'] = d.groupby(['card_id', 'day'])["amount"].transform('max')

我想将三行转换线更改为一行。我试过这个:

d['count', 'min', 'max'] = d.groupby(['card_id', 'day'])["amount"].transform('count', 'min', 'max')

错误:“类型错误:count() 需要 1 个位置参数，但给出了 3 个”
我也试过这个:

d[('count', 'min', 'max')] = d.groupby(['card_id', 'day']).agg(
    count = pd.NamedAgg('amount', 'count')
    ,min = pd.NamedAgg('amount', 'min')
    ,max = pd.NamedAgg('amount', 'max')
)

错误:“类型错误:插入列的索引与帧索引不兼容”

Answer 1

使用合并，

d = pd.DataFrame({
    "card_id": [1, 1, 2, 2, 1, 1, 2, 2],
    "day": [1, 1, 1, 1, 2, 2, 2, 2],
    "amount": [1, 2, 10, 20, 3, 4, 30, 40]
  })

df_out = d.groupby(['card_id', 'day']).agg(
    count = pd.NamedAgg('amount', 'count')
    ,min = pd.NamedAgg('amount', 'min')
    ,max = pd.NamedAgg('amount', 'max')
)

d.merge(df_out, left_on=['card_id', 'day'], right_index=True)

输出:

   card_id  day  amount  count  min  max
0        1    1       1      2    1    2
1        1    1       2      2    1    2
2        2    1      10      2   10   20
3        2    1      20      2   10   20
4        1    2       3      2    3    4
5        1    2       4      2    3    4
6        2    2      30      2   30   40
7        2    2      40      2   30   40

groupyby 的输出正在创建一个多级索引，并且此输出的索引与 d 的索引不匹配，因此出现错误。但是，我们可以通过使用合并列名和 right_index=True 将 d 中的列连接到组输出中的索引。