使用`.groupby().apply()`而不是`.groupby().agg()‘

Question

假设我有这样的数据

d = {'User':['A', 'A', 'B'],
     'time':[1,2,3],
     'state':['CA', 'CA', 'OR'],
     'type':['cd', 'dvd', 'cd']}
df = pd.Dataframe(data=d)

我想要创建一个函数，在其中我将传递一个用户数据，例如

user_df = df[df['User'] == 'A']

然后，该函数将返回一个单行数据帧，如下所示

d = {'User':['A'],
    'avg_time':[1.5],
    'state':['CA'],
    'cd':[1],
    'dvd':[1]}
res_df = pd.Dataframe(data=d)

然后，该函数将用于在用户的整个数据框架中应用该功能，因此我将

def some_function():

然后我会写df.groupby('User').apply(some_function)。然后，我将把它作为生成的新数据帧。

d = {'User':['A','B'],
    'avg_time':[1.5, 3],
    'state':['CA', 'OR'],
    'cd':[1, 1],
    'dvd':[1, 0]}
final_df = pd.Dataframe(data=d)

我知道我可以像这样抓取df的值

avg_time = user_df['time'].mean()
state = user_df['state'].iloc[0]
type_counts = user_df['type'].value_counts().to_dict()

但我不知道如何将其转换为结果行数据。任何帮助都是非常感谢的。我之所以想用这种方式而不是.agg()来实现这个功能，是因为我要并行化这个函数，以使它运行得更快，因为我将有一个非常大的数据文件。

Answer 1

IIUC，

def aggUser(df):
    a = pd.DataFrame({'avg_time':df['time'].mean(), 
                      'state': [df['state'].iloc[0]]})
    b = df['type'].value_counts().to_frame().T.reset_index(drop=True)
    return pd.concat([a,b], axis=1).set_axis(df['User'].iloc[[0]])

pd.concat([aggUser(df.query('User == "A"')),
           aggUser(df.query('User == "B"'))])

输出：

      avg_time state  cd  dvd
User                         
A          1.5    CA   1  1.0
B          3.0    OR   1  NaN

df.groupby('User', group_keys=False).apply(aggUser)

输出：

      avg_time state  cd  dvd
User                         
A          1.5    CA   1  1.0
B          3.0    OR   1  NaN