在大 pandas 的变换中应用几个函数 [英] applying several functions in transform in pandas

问题描述

在groupby之后，使用agg时，如果传入一个columns:functions的dict，函数会被应用到对应的列.然而，这种语法不适用于 transform.在transform中还有其他方法可以应用多个函数吗?

After a groupby, when using agg, if a dict of columns:functions is passed, the functions will be applied in the corresponding columns. Nevertheless this syntax doesn't work with transform. Is there another way to apply several functions in transform?

举个例子:

import pandas as pd
df_test = pd.DataFrame([[1,2,3],[1,20,30],[2,30,50],[1,2,33],[2,4,50]],columns = ['a','b','c'])
Out[1]:
    a   b   c
0   1   2   3
1   1   20  30
2   2   30  50
3   1   2   33
4   2   4   50

def my_fct1(series):
    return series.mean()

def my_fct2(series):
    return series.std()

df_test.groupby('a').agg({'b':my_fct1,'c':my_fct2})

Out[2]:
    c   b
a       
1   16.522712   8
2   0.000000    17

前面的例子展示了如何在agg中对不同的列应用不同的函数，但是如果我们想转换列而不聚合它们，则不能使用agg了.因此:

The previous example shows how to apply different function to different columns in agg, but if we want to transform the columns without aggregating them, agg can't be used anymore. Therefore:

df_test.groupby('a').transform({'b':np.cumsum,'c':np.cumprod})
Out[3]:
TypeError: unhashable type: 'dict'

我们如何使用以下预期输出执行这样的操作:

How can we perform such an action with the following expected output:

    a   b   c
0   1   2   3
1   1   22  90
2   2   30  50
3   1   24  2970
4   2   34  2500

推荐答案

我认为现在 (pandas 0.20.2) 函数 transform 不是用 dict 实现的 - 列名称的功能类似于 <代码>agg.

I think now (pandas 0.20.2) function transform is not implemented with dict - columns names with functions like agg.

如果函数返回相同长度的Series:

If functions return Series with same lenght:

df1 = df_test.set_index('a').groupby('a').agg({'b':np.cumsum,'c':np.cumprod}).reset_index()
print (df1)
   a     c   b
0  1     3   2
1  1    90  22
2  2    50  30
3  1  2970  24
4  2  2500  34

但是如果聚合不同的长度需要加入:

But if aggreagte different length need join:

df2 = df_test[['a']].join(df_test.groupby('a').agg({'b':my_fct1,'c':my_fct2}), on='a')
print (df2)
   a          c   b
0  1  16.522712   8
1  1  16.522712   8
2  2   0.000000  17
3  1  16.522712   8
4  2   0.000000  17

这篇关于在大 pandas 的变换中应用几个函数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！