Python Pandas 在函数中使用数据框

Question

我有一个 DataFrame，我想将它传递给一个函数，从中获取一些信息，然后返回该信息。最初我将代码设置为：

df = pd.DataFrame( {
   'A': [1,1,1,1,2,2,2,3,3,4,4,4],
   'B': [5,5,6,7,5,6,6,7,7,6,7,7],
   'C': [1,1,1,1,1,1,1,1,1,1,1,1]
    } );

def test_function(df):

    df['D'] = 0

    df.D = np.random.rand(len(df))

    grouped = df.groupby('A')
    df = grouped.first()
    df = df['D']

    return df


Ds = test_function(df)

print(df)
print(Ds)

返回：

    A  B  C         D
0   1  5  1  0.582319
1   1  5  1  0.269779
2   1  6  1  0.421593
3   1  7  1  0.797121
4   2  5  1  0.366410
5   2  6  1  0.486445
6   2  6  1  0.001217
7   3  7  1  0.262586
8   3  7  1  0.146543
9   4  6  1  0.985894
10  4  7  1  0.312070
11  4  7  1  0.498103
A
1    0.582319
2    0.366410
3    0.262586
4    0.985894
Name: D, dtype: float64

我的想法是，我不想复制我的大数据框，所以我将添加一个工作列，然后只返回我想要的信息而不影响原始数据框。这当然行不通，因为我没有复制数据框，所以添加一列就是添加一列。目前我正在做类似的事情：

add column
results = Derive information
delete column
return results

这对我来说感觉有点笨拙，但如果不复制数据框，我想不出更好的方法来做到这一点。有什么建议吗？

Answer 1

如果您不想在原始 DataFrame 中添加列，您可以创建一个独立的 Series 并将 groupby 方法应用于 Series：

def test_function(df):
    ser = pd.Series(np.random.rand(len(df)))
    grouped = ser.groupby(df['A'])
    return grouped.first()

Ds = test_function(df)

产量

A
1    0.017537
2    0.392849
3    0.451406
4    0.234016
dtype: float64

因此，test_function 根本不会修改 df。请注意，ser.groupby 可以传递一个值序列（例如df['A']），以进行分组，而不仅仅是列名。