在 Pandas 中对不同的组和多列应用不同的功能

Question

我对 python 还很陌生，并试图将不同的函数应用于 pandas 中的不同组和多列。我一直在阅读，但似乎可以找到解决方案。

为了简单起见，下面是我想要做的。

import pandas as pd

dat = {
    'group': ['1', '1', '1', '2', '2', '1', '2'],
    'age': [40, 29, 34, 35, 37, 32, 36],
    'weight': [150, 175, 135, 125, 189, 178, 137],
    'score': [98.0, 77.0, 88.0, 78.0, 78.0, 85.0, 84.0]
    }
df = pd.DataFrame(data=dat)

1. 对于年龄列，我想使用以下代码(df.groupby('group').transform('mean'))按组创建平均年龄

2. 对于权重和分数列，我想使用以下代码 (df.groupby('group').transform('mean').sub(df.mean()))

   按组均值创建大均值中心数据

我在将这些放在一起运行在数据集上的函数中时遇到了一些问题。

@TYZ

我正在寻找的是如下函数：

def gmc(data):

  d = []
        
  # set the index of the dataframe to group
  s = data.set_index('group')
            
  # groupby and transform on level=0 to calculate the group mean
  d.append(s.groupby(level=0).transform('mean').sub(s.mean(numeric_only=True)).reset_index())
        
  # groupby and transform on level=0 to calculate the group mean and reset the index
  d.append(data.groupby(data.iloc[:, 0]).age.transform('mean'))

  return d

它为我提供了列年龄的分组平均值，以及权重和分数的组平均中心值，如下所示：

    group   age    weight     score
 0     1    33.75  3.928571    3.0
 1     1    33.75  3.928571    3.0
 2     1    33.75  3.928571    3.0
 3     2    36.00 -5.238095   -4.0
 4     2    36.00 -5.238095   -4.0
 5     1    33.75  3.928571    3.0
 6     2    36.00 -5.238095   -4.0

Answer 1

这应该可行：

df.groupby("group").agg({
    "age": np.mean,
    "weight": lambda x: np.mean(x) - df["weight"].mean(),
    "score": lambda x: np.mean(x) - df["score"].mean()})

# output
         age    weight  score
group                        
1      33.75  3.928571    3.0
2      36.00 -5.238095   -4.0

---

更新

我不确定您还有哪些其他列以及您正在应用哪些其他功能。我注意到的是，您的所有 3 列都应用了均值函数，然后对于 weight 和 score，您还有一个额外的步骤来减去总体平均值。所以我会这样做：

res = df.groupby("group").agg(np.mean)
for c in ["weight", "score"]:
    res[c] = res[c] - df[c].mean()