具有自定义聚合函数的 pandas groupby() 并将结果放入新列

Question

假设我有一个包含 3 列的数据框。我想按其中一列对其进行分组，并使用自定义聚合函数为每个组计算一个新值。

这个新值具有完全不同的含义，并且它的列不存在于原始数据框中。因此，实际上，我想在groupby() + agg() 转换期间更改数据框的形状。原始数据框看起来像 (foo, bar, baz) 并且有一个范围索引，而生成的数据框只需要有 (qux) 列和 baz 作为索引。

import pandas as pd

df = pd.DataFrame({'foo': [1, 2, 3], 'bar': ['a', 'b', 'c'], 'baz': [0, 0, 1]})
df.head()

#        foo    bar    baz
#   0      1      a      0
#   1      2      b      0
#   2      3      c      1    

def calc_qux(gdf, **kw):
    qux = ','.join(map(str, gdf['foo'])) + ''.join(gdf['bar'])
    return (None, None)  # but I want (None, None, qux)

df = df.groupby('baz').agg(calc_qux, axis=1)  # ['qux'] but then it fails, since 'qux' is not presented in the frame.
df.head()

#      qux
# baz       
#   0  1,2ab
#   1  3c

如果我尝试从聚合函数返回与原始数据帧中的列数不同的值，则上面的代码会产生错误 ValueError: Shape of passed values is (2, 3), indices imply (2, 2)。

Answer 1

您想在这里使用apply()，因为您不是在单个列上操作（在这种情况下agg() 是合适的）：

import pandas as pd

df = pd.DataFrame({'foo': [1, 2, 3], 'bar': ['a', 'b', 'c'], 'baz': [0, 0, 1]})

def calc_qux(x):

    return ','.join(x['foo'].astype(str).values) + ''.join(x['bar'].values)

df.groupby('baz').apply(calc_qux).to_frame('qux')

产量：

       qux
baz       
0    1,2ab
1       3c