在数据框中使用带有条件的转换答案

【问题标题】：Using transform with condition within a dataframe在数据框中使用带有条件的转换
【发布时间】：2021-12-15 02:41:14
【问题描述】：

有以下df

import numpy as np
import random

i = ['dog', 'cat', 'rabbit', 'elephant'] * 20

df = pd.DataFrame(np.random.randn(len(i), 3), index=i, \
            columns=list('ABC')).rename_axis('animal').reset_index()
            
df.insert(1, 'type', pd.Series(random.choice(['X', 'Y']) \
                for _ in range(len(df))))

如果动物的类型是 X，我想要 A 列的 max ... 否则 A 列的 min，在单独的列中。

Apply lambda with group by 显示多索引数组，代码如下：

g = df.groupby(['animal', 'type'])
g.apply(lambda g: np.where (g.type == 'X', g.A.max(), g.A.min()))

有没有办法把它转换成一个系列，可以作为一列添加到 df...比如使用transform？

【问题讨论】：

标签： pandas transform

【解决方案1】：

这是你想要的吗？

>>> df

     animal type     A     B     C
0       cat    Y  0.96 -0.02 -0.14
1       cat    Y -0.80  0.86  1.75
2       dog    X  1.13 -0.49 -1.66
3       dog    Y  0.84 -0.07  0.15
4  elephant    X  0.13 -0.54  0.73
5  elephant    Y  0.14  1.77  0.94
6    rabbit    X -0.12 -0.39  0.05
7    rabbit    X  0.58 -1.17  0.77

>>> def max_min_A(g):
        animal, type_ = g.name 
        return np.where(type_ == 'X', g.max(), g.min())

>>> df['new_col'] = df.groupby(['animal', 'type'])['A'].transform(max_min_A)

     animal type     A     B     C  new_col
0       cat    Y  0.96 -0.02 -0.14    -0.80
1       cat    Y -0.80  0.86  1.75    -0.80
2       dog    X  1.13 -0.49 -1.66     1.13
3       dog    Y  0.84 -0.07  0.15     0.84
4  elephant    X  0.13 -0.54  0.73     0.13
5  elephant    Y  0.14  1.77  0.94     0.14
6    rabbit    X -0.12 -0.39  0.05     0.58
7    rabbit    X  0.58 -1.17  0.77     0.58

【讨论】：

系列有一个name attribute，您可能知道。每个列组作为名称是组标签的系列传递给transform 函数（在此键中为元组（'animal'，'type'））。当我明白这一点时我发现了它；）但它在 Notes 下的transform 的docs 中（“每个组都被赋予属性'name'，以防你需要知道你是哪个组工作。”）

【解决方案2】：

@HarryPlotter：谢谢name 信息。很高兴看到组的名称作为元组传播。如果不想使用某个功能，可以使用以下方法：

df.assign(new_col=g.A.transform(lambda x: np.where(x.name[1] =='X', \
            x.max(), x.min()))) 
# x.name[1] is used to select the second element of the tuple, which is `type`

【讨论】：