如何在Python中按列分组和按自己的函数进行汇总

Question

让df成为我们来自Pandas的测试数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'],
                   'B' : ['one', 'one', 'two', 'three','two', 'two', 'one', 'three'],
                   'C' : np.random.randn(8),
                   'D' : np.random.randn(8)})

我现在要做的实际上是按列A分组，如下所示：

df.groupby(['A'])['C'].sum()

效果很好。现在，我不想使用sum()，而是应用自己的函数来高效地总结数据。

相应的R值为：

require(plyr); require(dplyr)

df = data.frame(A = c('foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'),
                B = c('one', 'one', 'two', 'three','two', 'two', 'one', 'three'),
                C = rnorm(8),
                D = rnorm(8))

例如，这个叫做myfun的函数

myfun <- function(x){sum(x**2)}

然后：

df %>% 
   group_by(A) %>% 
   summarise(result = myfun(C))

我希望问题足够清楚。非常感谢！

Answer 1

您可以使用agg并将自定义函数放在lambda中。

>>> df.groupby('A').C.agg(lambda x: x.pow(2).sum())
A
bar    3.787664
foo    2.448404
Name: C, dtype: float64

或者您可以分别定义它并将其传递给agg。

def sum2(x):
    return x.pow(2).sum()


>>> df.groupby('A').C.agg(sum2)
A
bar    3.787664
foo    2.448404
Name: C, dtype: float64

还请注意，agg接受函数参数的许多内容，因此它相当灵活。从医生那里，用于聚合组的arg函数目前可以是：

• 字符串细胞化函数名
• 函数
• 职能清单
• 列的dict ->函数
• 嵌套名称分词->函数分词