将多列传递给 groupby.transform

Question

我了解，当您使用 DataFrame 列调用 groupby.transform 时，该列将传递给转换数据的函数。但我无法理解的是如何将多列传递给函数。

people = DataFrame(np.random.randn(5, 5), columns=['a', 'b', 'c', 'd', 'e'], index=['Joe', 'Steve', 'Wes', 'Jim', 'Travis'])
key = ['one', 'two', 'one', 'two', 'one']

现在我可以很容易地贬低数据等，但我似乎无法正确做的是使用多个列值作为函数的参数来转换组内的数据。例如，如果我想为每个观察添加一个取值 a.mean() - b.mean() * c 的列 'f'，如何使用 transform 方法来实现。

我尝试了以下变体

people['f'] = float(NA)
Grouped = people.groupby(key)
def TransFunc(col1, col2, col3):
    return col1.mean() - col2.mean() * col3
Grouped.f.transform(TransFunc(Grouped['a'], Grouped['b'], Grouped['c']))

但这显然是错误的。我也确实将函数包装在一个lamba中，但也不能完全做到这一点。

我可以通过以下方式遍历组来实现结果：

for group in Grouped:
    Amean = np.mean(list(group[1].a))
    Bmean = np.mean(list(group[1].b))
    CList = list(group[1].c)
    IList = list(group[1].index)

    for y in xrange(len(CList)):
        people['f'][IList[y]] = (Amean - Bmean) * CList[y]

但这似乎不是一个令人满意的解决方案，特别是如果索引是非唯一的。我也知道这必须可以使用 groupby.transform。

概括一下这个问题：如何编写函数来转换具有涉及使用多列值的参数的数据？

帮助表示赞赏。

Answer 1

你可以使用apply()方法：

import numpy as np
import pandas as pl
np.random.seed(0)

people2 = pd.DataFrame(np.random.randn(5, 5), 
                      columns=['a', 'b', 'c', 'd', 'e'], 
                      index=['Joe', 'Steve', 'Wes', 'Jim', 'Travis'])
key = ['one', 'two', 'one', 'two', 'one']

Grouped = people2.groupby(key)

def f(df):
    df["f"] = (df.a.mean() - df.b.mean())*df.c
    return df

people2 = Grouped.apply(f)
print people2

如果你想要一些泛化方法：

Grouped = people2.groupby(key)

def f(a, b, c, **kw):
    return (a.mean() - b.mean())*c

people2["f"] = Grouped.apply(lambda df:f(**df))
print people2

Answer 2

这是基于 HYRY 提供的答案（谢谢），他让我看到了如何实现这一点。我的版本只是泛化函数并在调用函数时输入函数的参数。我认为虽然函数必须用 lambda 调用：

import pandas as pd
import numpy as np
people = DataFrame(np.random.randn(5, 5), columns=['a', 'b', 'c', 'd', 'e'], index=['Joe',         'Steve', 'Wes', 'Jim', 'Travis'])
key = ['one', 'two', 'one', 'two', 'one']
people['f'] = ""
Grouped = people.groupby(key)

def FUNC(df, col1, col2, col3, col4):
    df[col1] = (df[col2].mean() - df[col3].mean())*df[col4]
    return df

people2 = Grouped.transform(lambda x: FUNC(x, 'f', 'a', 'b', 'c'))

在我看来，这是我见过的最好的方法......基本上整个分组数据框作为 x 传递给函数，然后列可以作为参数调用。