Pandas DataFrame 自定义 agg 函数的奇怪行为

Question

我想使用自定义函数沿轴聚合 Pandas DataFrame，但无法确定该函数应返回什么。

df = pd.DataFrame(np.arange(50).reshape(10,5))

您可以将 numpy 函数传递给DataFrame.agg:

# Case 1
df.agg([np.mean], axis=1)

你会得到你所期望的：一个像 df 一样索引的 DataFrame，但只有一列：'mean'。 但由于某种原因，以下行为完全不同：

# Case 2
df.agg([lambda x:np.mean(x)], axis=1)

甚至

# Case 3
def f(x, **kwargs):
    return np.mean(x, **kwargs)

df.agg([f], axis=1)

为什么后两种的工作方式与第一种不同？

Answer 1

如果我没记错的话，Case 2 中发生的事情是 np.mean() 操作首先将数组展平，因此正在计算每个行条目的每一列的平均值，这就是你得到的原因运行 df.agg([lambda x:np.mean(x)], axis=1) 时 DataFrame 中每个条目的平均值，它返回：

               0     1     2     3     4
0 <lambda>   0.0   1.0   2.0   3.0   4.0
1 <lambda>   5.0   6.0   7.0   8.0   9.0
2 <lambda>  10.0  11.0  12.0  13.0  14.0
3 <lambda>  15.0  16.0  17.0  18.0  19.0
4 <lambda>  20.0  21.0  22.0  23.0  24.0
5 <lambda>  25.0  26.0  27.0  28.0  29.0
6 <lambda>  30.0  31.0  32.0  33.0  34.0
7 <lambda>  35.0  36.0  37.0  38.0  39.0
8 <lambda>  40.0  41.0  42.0  43.0  44.0
9 <lambda>  45.0  46.0  47.0  48.0  49.0

在the pandas documentation on the aggregation function 中有一个关于 numpy 聚合函数与 pandas 聚合操作有何不同的具体点。

要使Case 2 的行为与Case 1 一样，您可以在np.mean() 函数本身中指定轴：df.agg([lambda x:np.mean(x,axis=0)],axis=1)，它返回以下内容：

   <lambda>
0       2.0
1       7.0
2      12.0
3      17.0
4      22.0
5      27.0
6      32.0
7      37.0
8      42.0
9      47.0

同样，您可以通过在 np.mean() 函数中指定 axis=0 来使 Case 3 的行为与 Case 1 一样：

def f(x, **kwargs):
    return np.mean(x, axis=0, **kwargs)

df.agg([f], axis=1)

这会返回：

      f
0   2.0
1   7.0
2  12.0
3  17.0
4  22.0
5  27.0
6  32.0
7  37.0
8  42.0
9  47.0