Pandas - 结合 df.loc 进行多项操作？答案

【问题标题】：Pandas - Combine df.loc for multiple operations?Pandas - 结合 df.loc 进行多项操作？
【发布时间】：2018-10-15 23:50:30
【问题描述】：

有没有办法执行一次df.loc 查找，然后对行子集执行多项操作？

这就是动机。我有 2 个数据框，其中包含同一用户的数据。我正在循环df_2.groupby('user_id')，然后查找另一个数据框以分配一些值：

for user, user_df in df_2.groupby('user_id'):
    df_1.loc[df_1.user_id == user, 'value_1'] == user_df.value_1.mean()
    df_1.loc[df_1.user_id == user, 'value_2'] == user_df.value_2.min()

我能否以某种方式将这些组合起来只执行一个 df.loc，但同时分配两个值？

【问题讨论】：

提供两个数据帧的样本会很有帮助，例如df_1.head(10) 和df_2.head(10)

标签： python pandas pandas-groupby

【解决方案1】：

您可以对齐索引，然后使用 in-place pd.DataFrame.update:

df_1 = df_1.set_index('user_id')
df_1.update(df_2.groupby('user_id')[['value_1', 'value_2']].mean())

请注意，这也消除了对 Python 级 for 循环的需要。

【讨论】：

这里的问题是汇总操作没有我需要的那么灵活——例如对于所有列，它必须是 .mean()。
那么就用df_2.groupby('user_id', as_index=False).mean()?

【解决方案2】：

我很确定以下方法会起作用：

grouped = df_2.groupby('user_id').agg({'value1': 'mean', 'value2': 'min'})
df_1 = df_1.merge(grouped, left_on='user_id', right_index=True, sort=False)

这要求value1 和value2 不能在df_1 中，否则会有重复的列。如果这是一个潜在问题，请在合并前使用df_1 = df_1.drop(columns=['value1', 'value2'], errors='ignore')。

【讨论】：