pandas 聚合中的计算

Question

我正在尝试在 pandas 聚合中执行计算。我希望计算包含在聚合中。我正在尝试的代码如下。我也在为 df 使用 pandas 包。

data = data.groupby(['type', 'name']).agg({'values': [np.min, np.max, 100 * sum([('values' > 3200)] / [np.size])]})

我要计算的公式如下：

100 * sum((values > 3200) / (np.size))

这里 np 是聚合的大小（聚合的数字仅限于 > 3200 的数字）。如何在聚合中执行这样的计算会有很大帮助。

示例输入数据（实际数据集要大得多）。重复值是由于聚合造成的。

type, name, values
apple, blue, 2500
orange, green, 2800
peach, black, 3300
lemon, white, 3500

所需的示例输出（由于我尚未能够执行计算，数字不正确）：

type, name, values, np.min, np.max, calcuation
apple, blue, 2500, 1200, 40000, 2300
orange, green, 2800, 1200, 5000, 2500

Answer 1

您需要定义作用于组的函数，为您提供大于 3200 的值的百分比，并将其与其他函数一起传递给 .agg：

func = lambda series: 100* (series > 3200).mean(); 
data.groupby(['type', 'name']).values.agg({'min': min, 'max': max, 'calculation': func})

布尔向量的平均值给出了真值的百分比，这是一种更好的计算方法。此外，您可以将常用函数名称（例如 min 和 max）作为字符串传递。

Answer 2

传递 df.agg 一个字典用于指定输出列的名称，在这里，您实际上是在编写一个聚合函数，它试图对一个命名列使用三个公式，并且该列已经在您的数据框中，所以它会失败。

你应该做的应该看起来更像：

data = data.groupby(['type', 'name']).agg({'min':np.min, 'max':np.max, 'calculation': calculation})

您将计算函数重写为 lambda 或自定义函数的位置，具体取决于您想要如何做事。