Pandas 中 lambda 和 apply 语句的动态数量答案

【问题标题】：Dynamic number of lamda and apply statements in PandasPandas 中 lambda 和 apply 语句的动态数量
【发布时间】：2023-02-13 20:54:24
【问题描述】：

我正在尝试创建一个嵌套的 JSON 块并遇到了这个很棒的解决方案Pandas grouping by multiple columns to get a multi nested Json：

test = [df.groupby('cat_a')\
          .apply(lambda x: x.groupby('cat_b')\
                            .apply(lambda x: [x.groupby('cat_c')
                                               .apply(lambda x: x[['participants_actual','participants_registered']].to_dict('r')
                                                      ).to_dict()]
                                  ).to_dict()
          ).to_dict()]

import json
json_res = list(map(json.dumps, test))

这对我的用例很有效。但是，由于我无法在所有情况下控制数据框，因此可能不止此处提到的三个级别。

我可以很容易地想象得到如下水平：

for c in cols[:-2]:
   .... perform level gropuping

但是，由于每个 lamba 和 apply 函数都进入了上面的级别，我不确定如何在 for 循环中编写这样的语句。

有没有办法让这个声明更有活力？

【问题讨论】：

标签： python pandas

【解决方案1】：

你试过让它递归吗？不完全如下所示，因为您需要在分组后删除相关的列，但是沿着这些方向

def myfunc(df):
   if len(df.columns.values) > 1 :
      # the line below needs correction, need to drop the column
      # return [df.groupby[col].apply(myfunc)].to_dict()
   else :
      return [df].to_dict()

【讨论】：