将多个自定义函数应用于 Python 中 Pandas 中多个 groupby 对象的多个列

Question

我有以下数据框、groupby 对象和函数。

df = pd.DataFrame({
    'A': 'a a b b b'.split(), 
    'P': 'p p p q q'.split(), 
    'B': [1, 2, 3, 4, 5], 
    'C': [4, 6, 5, 7, 8],
    'D': [9, 10, 11, 12, 13]})

g1 = df.groupby('A')

g2 = df.groupby('P')

def f1(x, y):
    return sum(x) + sum(y)

def f2(x, y):
    return sum(x) - sum(y)

def f3(x, y):
    return x * y

对于g1，我想

• 将 f1 应用于 B 列和 C 列
• 将 f2 应用于 C 和 D 列。

对于g2，我想

• 将 f2 应用于 B 列和 C 列
• 将 f3 应用于 C 和 D 列

对我来说，困难在于函数，它们在多个列上运行。我还需要这些函数适用于任意一组列；注意 f2 如何用于 ['B', 'C'] 和 ['C', 'D']。我正在为处理这个问题的语法而苦苦挣扎。

如何使用 Pandas 在 Python 中完成所有这些事情？

Answer 1

我不知道是否有更简单的方法可以做到这一点，但一种方法是使用柯里化。我找不到使用 groupby 结构添加列的方法（所涉及的结构是围绕非可变数据设计的），所以我只是直接处理 groupby 对象中的数据。您可以查看以下代码是否符合您的要求：

def sum_curry(x, y):
    return lambda df: sum(df[x]) + sum(df[y])

def diff_curry(x, y):
    return lambda df: sum(df[x]) - sum(df[y])

def append_prod(df):
    df['E'] = df['C']*df['D']
    return df
   
g1_sums = g1.apply(sum_curry('B','C'))
g1_diffs = g1.apply(diff_curry('C','D'))
g2_diffs = g2.apply(diff_curry('B','C'))
g2_with_prod = [(group[0], append_prod(group[1])) for group in g2]