动态访问 pandas 数据框列

Question

考虑这个简单的例子

import pandas as pd

df = pd.DataFrame({'one' : [1,2,3],
                   'two' : [1,0,0]})

df 
Out[9]: 
   one  two
0    1    1
1    2    0
2    3    0

我想编写一个函数，将数据框 df 和列 mycol 作为输入。

现在可以了：

df.groupby('one').two.sum()
Out[10]: 
one
1    1
2    0
3    0
Name: two, dtype: int64

这也有效：

 def okidoki(df,mycol):
    return df.groupby('one')[mycol].sum()

okidoki(df, 'two')
Out[11]: 
one
1    1
2    0
3    0
Name: two, dtype: int64

但这失败

def megabug(df,mycol):
    return df.groupby('one').mycol.sum()

megabug(df, 'two')
 AttributeError: 'DataFrameGroupBy' object has no attribute 'mycol'

这里有什么问题？

我担心okidoki 使用了一些链接，这可能会产生一些微妙的错误 (https://pandas.pydata.org/pandas-docs/stable/indexing.html#why-does-assignment-fail-when-using-chained-indexing)。

我怎样才能保持groupby('one').mycol 的语法？可以将mycol 字符串转换为可能以这种方式工作的东西吗？ 谢谢！

Answer 1

我认为您需要[] 来按列名选择列什么是选择列的一般解决方案，因为按属性选择有很多exceptions：

• 只有当索引元素是一个有效的 python 标识符时，你才能使用这个访问，例如。 s.1 是不允许的。有关有效标识符的说明，请参见此处。
• 如果该属性与现有方法名称冲突，则该属性将不可用，例如s.min 是不允许的。
• 同样，如果该属性与以下任何列表冲突，则该属性将不可用：index、major_axis、minor_axis、items、labels。
• 在任何这些情况下，标准索引仍然有效，例如s['1']、s['min'] 和 s['index'] 将访问相应的元素或列。

def megabug(df,mycol):
    return df.groupby('one')[mycol].sum()

print (megabug(df, 'two'))

one
1    1
2    0
3    0
Name: two, dtype: int64

Answer 2

你传递一个字符串作为第二个参数。实际上，您正在尝试执行以下操作：

df.'two'

这是无效的语法。如果您尝试动态访问列，则需要使用索引表示法[...]，因为点/属性访问器表示法不适用于动态访问。

---

可以单独进行动态访问。例如，您可以使用getattr（但我不推荐这个，这是一种反模式）：

In [674]: df
Out[674]: 
   one  two
0    1    1
1    2    0
2    3    0

In [675]: getattr(df, 'one')
Out[675]: 
0    1
1    2
2    3
Name: one, dtype: int64

可以从 groupby 调用中按属性动态选择，例如：

In [677]: getattr(df.groupby('one'), mycol).sum() 
Out[677]: 
one
1    1
2    0
3    0
Name: two, dtype: int64

但是不要这样做。这是一个可怕的反模式，比df.groupby('one')[mycol].sum() 更难读。