如何将不同的功能应用于 groupby 对象？

Question

我有一个这样的数据框：

import pandas as pd

df = pd.DataFrame({'id': [1, 2, 1, 1, 2, 1, 2, 2],
               'min_max': ['max_val', 'max_val', 'min_val', 'min_val', 'max_val', 'max_val', 'min_val', 'min_val'],
               'value': [1, 20, 20, 10, 12, 3, -10, -5 ]})

   id  min_max  value
0   1  max_val      1
1   2  max_val     20
2   1  min_val     20
3   1  min_val     10
4   2  max_val     12
5   1  max_val      3
6   2  min_val    -10
7   2  min_val     -5

每个id 都有几个与之关联的最大值和最小值。我的想要的输出如下所示：

    max  min
id          
1     3   10
2    20  -10

它包含每个id 的最大max_val 和最小min_val。

目前我实现如下：

gdf = df.groupby(by=['id', 'min_max'])['value']

max_max = gdf.max().loc[:, 'max_val']
min_min = gdf.min().loc[:, 'min_val']

final_df = pd.concat([max_max, min_min], axis=1)
final_df.columns = ['max', 'min']

我不喜欢的是，我必须在分组数据框 gdf 上分别调用 .max() 和 .min()，分别丢弃 50% 的信息（因为我对最大的 @ 不感兴趣） 987654331@ 和最小的min_val)。

有没有办法以更直接的方式做到这一点，例如将应该应用于组的函数直接传递给groupby 调用？

编辑：

df.groupby('id')['value'].agg(['max','min'])

是不够的，因为可能存在一个组的min_val 高于该组的所有max_val 或低于所有min_val 的max_val。因此，还必须根据min_max 列进行分组。

结果

df.groupby('id')['value'].agg(['max','min'])

    max  min
id          
1    20    1
2    20  -10

上面代码的结果：

    max  min
id          
1     3   10
2    20  -10

Answer 1

这是一个有点半开玩笑的解决方案：

>>> df.groupby(['id', 'min_max'])['value'].apply(lambda g: getattr(g, g.name[1][:3])()).unstack()
min_max  max_val  min_val
id                       
1              3       10
2             20      -10

这应用了一个函数，该函数从组键中获取要应用的真实函数的名称。

如果字符串“max_val”和函数名“max”之间没有如此简单的关系，显然这不会那么简单。它可以通过将列值映射到要应用的函数来概括，如下所示：

func_map = {'min_val': min, 'max_val': max}
df.groupby(['id', 'min_max'])['value'].apply(lambda g: func_map[g.name[1]](g)).unstack()

请注意，这比上面的版本效率略低，因为它调用普通的 Python max/min 而不是优化的 pandas 版本。但是，如果您想要一个更通用的解决方案，那就是您必须做的，因为没有任何优化的 pandas 版本。 （这或多或少也是为什么没有内置方法可以做到这一点的原因：对于大多数数据，您不能先验地假设您的值可以映射到有意义的函数，因此尝试确定是没有意义的根据值本身应用的函数。）

Answer 2

一种选择是使用groupby.apply 进行自定义聚合，因为它不适合内置聚合场景：

(df.groupby('id')
 .apply(lambda g: pd.Series({'max': g.value[g.min_max == "max_val"].max(), 
                             'min': g.value[g.min_max == "min_val"].min()})))

#    max    min
#id     
# 1    3     10
# 2   20    -10

Answer 3

pivot_table 的解决方案：

df1 = df.pivot_table(index='id', columns='min_max', values='value', aggfunc=[np.min,np.max])
df1 = df1.loc[:, [('amin','min_val'), ('amax','max_val')]]
df1.columns = df1.columns.droplevel(1)
print (df1)
    amin  amax
id            
1     10     3
2    -10    20