如何在 groupby+apply 中返回另一列的值

Question

我有一个这样的数据框：

import pandas as pd
import numpy as np

df = pd.DataFrame.from_dict({'group': [1, 1, 1, 2, 2, 2, 3, 3, 3], 
                             'obj': [1, 2, 3, 1, 2, 3, 1, 2, 3],
                             'x0': np.repeat(np.random.rand(3), 3), 
                             'y0': np.repeat(np.random.rand(3), 3), 
                             'x': np.random.rand(9), 
                             'y': np.random.rand(9)})


   group  obj        x0        y0         x         y
0      1    1  0.577952  0.936173  0.681409  0.905242
1      1    2  0.577952  0.936173  0.995970  0.284488
2      1    3  0.577952  0.936173  0.436973  0.163712
3      2    1  0.802995  0.264205  0.586934  0.292848
4      2    2  0.802995  0.264205  0.204437  0.022746
5      2    3  0.802995  0.264205  0.626687  0.000793
6      3    1  0.343862  0.847310  0.966428  0.496161
7      3    2  0.343862  0.847310  0.465727  0.512349
8      3    3  0.343862  0.847310  0.069815  0.689743

我想将此 DataFrame 聚合为如下所示的：

   group        x0        y0  closest
0      1  0.577952  0.936173        3
1      2  0.802995  0.264205        1
2      3  0.343862  0.847310        1

其中closest 是obj 的值，它在每个group 中最接近(x0, y0)。但是，我无法使用aggregate 函数来计算使用列的距离。我得到的最远的是：

df.groupby('group').apply(lambda x: np.sqrt((x['x0'] - x['x']) ** 2 + (x['y0'] - x['y']) ** 2).argmin())

我计算最接近obj 的索引，但我不知道如何返回obj 的值。我试过lambda x: x.iloc[ np.sqrt((x['x0'] - x['x']) ** 2 + (x['y0'] - x['y']) ** 2).argmin(), 'obj']，但它会导致错误。因此我的问题是：

• 如何返回值 obj 而不是索引？
• 我从 groupby + apply 获得的对象是什么？它似乎不是 DataFrame，因为我不能在上面使用.iloc

Answer 1

我相信您希望 DataFrameGroupBy.idxmin 带有帮助列以提高性能：

df['new'] = np.sqrt((df['x0'] - df['x']) ** 2 + (df['y0'] - df['y']) ** 2)

df = df.loc[df.groupby('group')['new'].idxmin()]
print (df)
   group  obj        x0        y0         x         y       new
0      1    1  0.577952  0.936173  0.681409  0.905242  0.107982
3      2    1  0.802995  0.264205  0.586934  0.292848  0.217951
8      3    3  0.343862  0.847310  0.069815  0.689743  0.316116

您的解决方案返回相同的 obj 值：

def f(x):
    x = df.iloc[np.sqrt((x['x0'] - x['x']) ** 2 + (x['y0'] - x['y']) ** 2).argmin()]
    return x

df = df.groupby('group').apply(f)
print (df)
       group  obj        x0        y0         x         y
group                                                    
1        1.0  1.0  0.577952  0.936173  0.681409  0.905242
2        2.0  1.0  0.802995  0.264205  0.586934  0.292848
3        3.0  3.0  0.343862  0.847310  0.069815  0.689743

但是有警告：

“Series.argmin”的当前行为已弃用，请改用“idxmin”。
'argmin' 的行为将被纠正以在将来返回位置最小值。现在，使用 'series.values.argmin' 或 'np.argmin(np.array(values))' 来获取最小行的位置。