如何为 Python 中的每个分组应用用户定义的函数答案

【问题标题】：How can I apply a user defined function for each grouping in Python如何为 Python 中的每个分组应用用户定义的函数
【发布时间】：2017-12-02 16:10:36
【问题描述】：

我有一个数据框 df1 如下：

Country|Month|Revenue
-------|-----|-------
US     |Jan  |100
US     |Feb  |200
US     |Mar  |300
Canada |Jan  |200
Canada |Feb  |400
Canada |Mar  |500

我想按如下方式应用用户定义函数：

df3=df1.groupby(['Country'])['Revenue'].my_cool_func()
def my_cool_func():
    b = max(Revenue)-Min(Revenue)
    c=b/2
    return c

我对 df3 的最终输出应该是：

Country|my_cool_func_rev
-------|----------------
US     |100
Canada |150

如何使用用户定义函数来获得上述输出？

【问题讨论】：

标签： python pandas user-defined-functions pandas-groupby

【解决方案1】：

您可以使用GroupBy.apply 并在函数中使用Series，因此可以使用Series.max 和Series.min：

def my_cool_func(x):
    #print (x)
    return (x.max() - x.min()) / 2

df3=df1.groupby(['Country'])['Revenue'].apply(my_cool_func).reset_index()
print (df3)
  Country  Revenue
0  Canada    150.0
1      US    100.0

或者：

df3=df1.groupby(['Country'])['Revenue'].apply(lambda x:(x.max() - x.min()) / 2).reset_index()
print (df3)
  Country  Revenue
0  Canada    150.0
1      US    100.0

编辑：使用Series.std：

def my_cool_func(x):
    b = x.std()
    c=b/2
    return c

df3=df1.groupby(['Country'])['Revenue'].apply(my_cool_func).reset_index()
print (df3)
  Country    Revenue
0  Canada  76.376262
1      US  50.000000

【讨论】：

我不想对我的用户定义函数进行任何更改，因为我可能有标准偏差，而不是 max 和 min。在这种情况下，我该如何使用您的第一个选项？
如果我的回答对您有帮助，请不要忘记accept - 点击答案旁边的复选标记 (✓) 将其从灰色切换为已填充。谢谢。跨度>
嗯，所以如果使用我的解决方案还有问题吗？你能解释更多吗？还是您需要从应用 2 值而不是 1 中返回？

【解决方案2】：

如果您有多个要聚合的列，您可以尝试的另一件事是groupby + agg：

def my_cool_func(x):
    return (x.max() - x.min()) / 2

你可以直接：

df.groupby("Country")
  .agg({
   "column1": "sum",
   "Revenue": my_cool_func,
   "columnOther": ...
  })

【讨论】：