在熊猫的数据中,一个函数可以用来对它的索引进行分组。我希望定义一个应用于列的函数。
我希望按两列分组,但我需要将第二列按任意函数foo分组
group_sum = df.groupby(['name', foo])['tickets'].sum()如何将foo定义为将第二列分组为两个组,例如,用值是否为> 0来划分?或者,是否使用了完全不同的方法或语法?
发布于 2016-10-25 23:16:23
Groupby可以接受任何标签和序列/数组的组合(只要数组的长度与dataframe相同),因此您可以将函数映射到您的列,并将其传递给groupby,如下所示
df.groupby(['name', df[1].map(foo)])或者,您可能希望在执行groupby之前将该条件作为一个新列添加到您的dataframe中,这样做的好处是在索引中给它命名:
df['>0'] = df[1] > 0
group_sum = df.groupby(['name', '>0'])['tickets'].sum()发布于 2016-10-25 23:23:59
像这样的东西会有用的:
x.groupby(['name', x['value']>0])['tickets'].sum()正如上面提到的,groupby可以接受标签和系列。这应该会给你你想要的答案。下面是一个示例:
data = np.array([[1, -1, 20], [1, 1, 50], [1, 1, 50], [2, 0, 100]])
x = pd.DataFrame(data, columns = ['name', 'value', 'value2'])
x.groupby(['name', x['value']>0])['value2'].sum()
name value
1 False 20
True 100
2 False 100
Name: value2, dtype: int64https://stackoverflow.com/questions/40251178
复制相似问题