使用另一列的 groupby() 对一列的绝对值求和

Question

我有以下玩具 DataFrame，名为 df：

df = pd.DataFrame({'foo' : ['red', 'red', 'red', 'blue', 'blue', 'blue', 'green', 'green', 'green'], 
                     'bar'  : [10, -5, 7, 14, 20, 3, 40, -100, 75]})

foo    bar   
red     10
red     -5
red     7
blue    14
blue    -20
blue    3 
green   40
green   -100
green   75

我想使用foo 列的groupby() 对bar 列的绝对值求和。这是我的尝试：

df['baz'] = df.groupby('foo').bar.apply(lambda x: x.abs().sum())

我希望看到以下内容：

foo    bar     baz
red     10     22
red     -5     22
red     7      22
blue    14     37
blue    -20    37
blue    3      37
green   40     215
green   -100   215
green   75     215

不幸的是，我在新创建的baz 列中获得了NaN。

为什么这种方法会产生NaN 值？另外（尽管我的代码中有错误），是否有更优雅（即更 Pythonic）的方式来做到这一点？

Answer 1

试试

df['baz'] = df.bar.abs().groupby(df['foo']).transform('sum')

Answer 2

pandas 自动与index 对齐，因此您的代码不起作用，因为您的groupby 结果的index 与原始数据框的索引不同。因此，它返回nan。

话虽如此，您可以使用set_index() 将索引设置为“foo”列，然后重试您的代码：

df.set_index('foo',inplace=True)
df['baz'] = df.groupby('foo').bar.apply(lambda x: x.abs().sum())

print(df)

       bar  baz
foo            
red     10   22
red     -5   22
red      7   22
blue    14   37
blue    20   37
blue     3   37
green   40  215
green -100  215
green   75  215

---

正如您所说，我认为一种更 Pythonic 的方式是使用 transform，而不是设置 index 并扭曲您的原始数据框。因此，我的建议是保持您的数据框不变，并将您的代码更改为：

df['baz'] = df.groupby('foo').bar.transform(lambda x: x.abs().sum())

print(df)

     foo  bar  baz
0    red   10   22
1    red   -5   22
2    red    7   22
3   blue   14   37
4   blue   20   37
5   blue    3   37
6  green   40  215
7  green -100  215
8  green   75  215