熊猫：将不同的功能应用于不同的列答案

【问题标题】：Pandas: apply different functions to different columns熊猫：将不同的功能应用于不同的列
【发布时间】：2014-12-13 13:47:15
【问题描述】：

当使用df.mean() 时，我得到一个结果，其中给出了每列的平均值。现在假设我想要第一列的平均值和第二列的总和。有没有办法做到这一点？我不想拆卸和重新组装DataFrame。

我最初的想法是按照pandas.groupby.agg() 的方式做一些事情，如下所示：

df = pd.DataFrame(np.random.random((10,2)), columns=['A','B'])
df.apply({'A':np.mean, 'B':np.sum}, axis=0)

Traceback (most recent call last):

  File "<ipython-input-81-265d3e797682>", line 1, in <module>
    df.apply({'A':np.mean, 'B':np.sum}, axis=0)

  File "C:\Users\Patrick\Anaconda\lib\site-packages\pandas\core\frame.py", line 3471, in apply
    return self._apply_standard(f, axis, reduce=reduce)

  File "C:\Users\Patrick\Anaconda\lib\site-packages\pandas\core\frame.py", line 3560, in _apply_standard
    results[i] = func(v)

TypeError: ("'dict' object is not callable", u'occurred at index A')

但这显然行不通。似乎传递 dict 是一种直观的方式，但还有另一种方式（同样无需拆卸和重新组装DataFrame）？

【问题讨论】：

标签： python pandas aggregate

【解决方案1】：

你可以试试闭包：

def multi_func(functions):
    def f(col):
        return functions[col.name](col)
    return f

df = pd.DataFrame(np.random.random((10, 2)), columns=['A', 'B'])
result = df.apply(multi_func({'A': np.mean, 'B': np.sum}))

【讨论】：

这其实很不错。我的解决方法是将一列插入到数据框中，对该列执行 groupby 然后将 dict 传递给聚合方法。
谢谢！我注意到，如果 DataFrame 中的列多于函数 dict 中的键，这将失败。 @bill-letson 你也看到了吗？
一个完整的实现应该包括一个 try KeyError 子句，它返回一个标识函数： lambda x : x
@phil_20686 您可以通过将functions[col.name](col) 替换为functions.get(col.name, lambda x: x)(col) 来做到这一点

【解决方案2】：

我认为您可以使用带有字典作为参数的agg 方法。例如：

df = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]})

df =
A   B
0   0   3
1   1   4
2   2   5

df.agg({'A': 'mean', 'B': sum})

A     1.0
B    12.0
dtype: float64

【讨论】：

【解决方案3】：

我自己刚刚遇到这种情况并想出了以下内容：

In [1]: import pandas as pd

In [2]: df = pd.DataFrame([['one', 'two'], ['three', 'four'], ['five', 'six']], 
   ...:                   columns=['A', 'B'])

In [3]: df
Out[3]: 
       A     B
0    one   two
1  three  four
2   five   six

In [4]: converters = {'A': lambda x: x[:1], 'B': lambda x: x.replace('o', '')}

In [5]: new = pd.DataFrame.from_dict({col: series.apply(converters[col]) 
   ...:                               if col in converters else series
   ...:                               for col, series in df.iteritems()})

In [6]: new
Out[6]: 
   A    B
0  o   tw
1  t  fur
2  f  six

【讨论】：