pandas GROUPBY+变换和多列

问题描述

若要获得对与原始DataFrame(相同观测计数)相同详细级别的Groupby数据执行的结果，我使用了Transform函数。

示例： 原始数据帧

name, year, grade
Jack, 2010, 6
Jack, 2011, 7
Rosie, 2010, 7
Rosie, 2011, 8

GROUPBY转换后

name, year, grade, average grade
Jack, 2010, 6, 6.5
Jack, 2011, 7, 6.5
Rosie, 2010, 7, 7.5
Rosie, 2011, 8, 7.5

但是，随着基于多列的更高级函数的出现，事情变得更加复杂。令我困惑的是，我似乎无法访问分组转换组合中的多个列。

df = pd.DataFrame({'a':[1,2,3,4,5,6],
               'b':[1,2,3,4,5,6],
               'c':['q', 'q', 'q', 'q', 'w', 'w'],  
               'd':['z','z','z','o','o','o']})

def f(x):
 y=sum(x['a'])+sum(x['b'])
 return(y)

df['e'] = df.groupby(['c','d']).transform(f)

给我：

KeyError: ('a', 'occurred at index a')

虽然我知道以下方法确实有效：

df.groupby(['c','d']).apply(f)

导致此行为的原因以及如何获得以下内容：

a   b   c   d   e
1   1   q   z   12
2   2   q   z   12
3   3   q   z   12
4   4   q   o   8
5   5   w   o   22
6   6   w   o   22

---

解决方案

对于此特定情况，您可以执行以下操作：

g = df.groupby(['c', 'd'])

df['e'] = g.a.transform('sum') + g.b.transform('sum')

df
# outputs

   a  b  c  d   e
0  1  1  q  z  12
1  2  2  q  z  12
2  3  3  q  z  12
3  4  4  q  o   8
4  5  5  w  o  22
5  6  6  w  o  22

如果您可以通过同一Groupby上的独立转换的线性组合来构造最终结果，则此方法将起作用。

否则，您将使用groupby-apply，然后合并回原始DF。

示例：

_ = df.groupby(['c','d']).apply(lambda x: sum(x.a+x.b)).rename('e').reset_index()
df.merge(_, on=['c','d'])
# same output as above.