Pandas：如何在 groupby 对象上使用自定义应用函数返回多列答案

【问题标题】：Pandas: How to return multiple columns with a custom apply function on a groupby objectPandas：如何在 groupby 对象上使用自定义应用函数返回多列
【发布时间】：2021-10-01 17:11:03
【问题描述】：

基本思想是我的计算涉及数据框中的多个列并返回多个列，我想将它们集成到数据框中。我想做这样的事情：

df = pd.DataFrame({'id':['i1', 'i1', 'i2', 'i2'], 'a':[1,2,3,4], 'b':[5,6,7,8]})

def custom_f(a, b):
    computation = a+b
    return computation + 1, computation*2

df['c1'], df['c2'] = df.groupby('id').apply(lambda x: custom_f(x.a, x.b))

期望的输出：

    id  a   b  c1     c2
0   i1  1   5  7      12
1   i1  2   6  9      16
2   i2  3   7  11     20
3   i2  4   8  13     24

我知道如何一次处理一列，但实际上使用两列的“计算”操作非常昂贵，所以我试图弄清楚如何只能运行一次。

编辑：我意识到给定的示例可以在没有 groupby 的情况下解决，但是对于实际“计算”的用例，我正在使用 groupby，因为我使用每个组中数组的第一个和最后一个值用于我的计算。为了简单起见，我省略了它，但想象一下它是必需的。

【问题讨论】：

嗨！以下任何一个答案是否有效？如果是这样并且如果您愿意，您可以考虑accepting 其中之一向其他人发出问题已解决的信号。如果没有，您可以提供反馈，以便改进（或完全删除）

标签： python pandas pandas-groupby apply

【解决方案1】：

df['c1'], df['c2'] = custom_f(df['a'], df['b']) # you dont need apply for your desired output here

【讨论】：

谢谢，我认为我的示例可能过于简单。在我的实际用例中，我使用 groupby，因为我需要知道每个分组数据帧数组的起点/终点以进行计算。

【解决方案2】：

你可以试试：

def custom_f(a, b):
    computation = a+b
    return pd.concat([(computation + 1),(computation*2)],axis=1)

最后：

df[['c1','c2']]=df.groupby('id').apply(lambda x: custom_f(x.a, x.b)).values

df的输出：

    id  a   b   c1  c2
0   i1  1   5   7   12
1   i1  2   6   9   16
2   i2  3   7   11  20
3   i2  4   8   13  24

【讨论】：