通过选择某些列进行分组

Question

我按照这里的例子：(https://pandas.pydata.org/pandas-docs/stable/user_guide/groupby.html#flexible-apply)

数据：

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),
    }
)

按“A”分组，但在“C”列上选择，然后执行应用

grouped = df.groupby('A')['C']

def f(group):
    return pd.DataFrame({'original': group,
                         'demeaned': group - group.mean()})

grouped.apply(f)

一切正常，但是当我尝试使用 groupby'A' 并选择列 'C' 和 'D' 时，我无法成功：

grouped = df.groupby('A')[['C', 'D']]

for name, val in grouped:
    print(name)
    print(val)

grouped.apply(f)

那么我在这里做错了什么？

谢谢 范

Answer 1

当您获得单列 (['C']) 时，它会给出 pandas.Series，但是当您获得多列 ([ ['C', 'D'] ]) 时，它会给出 pandas.DataFrame - 这需要 f() 中的不同代码

可能是

grouped = df.groupby('A')[['C', 'D']]

def f(group):
    return pd.DataFrame({
                'original_C': group['C'],
                'original_D': group['D'],
                'demeaned_C': group['C'] - group['C'].mean(),
                'demeaned_D': group['D'] - group['D'].mean(),
           })

grouped.apply(f)

结果：

   original_C  original_D  demeaned_C  demeaned_D
0   -0.122789    0.216775   -0.611724    1.085802
1   -0.500153    0.912777   -0.293509    0.210248
2    0.875879   -1.582470    0.386944   -0.713443
3   -0.250717    1.770375   -0.044073    1.067846
4    1.261891    0.177318    0.772956    1.046345
5    0.130939   -0.575565    0.337582   -1.278094
6   -1.121481   -0.964481   -1.610417   -0.095454
7    1.551176   -2.192277    1.062241   -1.323250

---

因为你已经有了两列DataFrame，所以你也可以把它写得更短，而不用转换成pd.DataFrame()

def f(group):
    group[['demeaned_C', 'demeaned_D']] = group - group.mean()

    return group

或更通用

def f(group):
    for col in group.columns:
        group[f'demeaned_{col}'] = group[col] - group[col].mean()

    return group

---

顺便说一句：

如果您使用[ ['C'] ] 而不是['C']，那么您也会得到DataFrame 而不是Series，您可以使用最新版本的f()。