如何将自定义函数列表传递给 pandas.Dataframe.aggregate答案

【问题标题】：How to pass list of custom functions to pandas.Dataframe.aggregate如何将自定义函数列表传递给 pandas.Dataframe.aggregate
【发布时间】：2018-02-13 12:40:51
【问题描述】：

我正在尝试使用不同的自定义函数聚合 pd.Dataframe，尤其是来自 scipy.stats。我可以让它与单个函数一起工作，在这种情况下trim_mean：

import pandas as pd
import numpy as np
from scipy.stats import trim_mean

df = pd.DataFrame(np.random.randn(100, 3), columns=['A', 'B', 'C'], index=pd.date_range('1/1/2000', periods=100))

# this works as expected
df.agg([np.sum, np.mean])

# now with a different function, works also
df.agg(lambda x: trim_mean(x, 0.2))

# apply also works
df.apply(lambda x: trim_mean(x, 0.2))

但是，df.agg([lambda x: trim_mean(x, 0.2)]) 和 df.apply([lambda x: trim_mean(x, 0.2)]) 一样会生成 IndexError: tuple index out of range'。

我找到了old issue on pandas-dev，但这对我来说没有意义。

帮忙，有人吗？

【问题讨论】：

标签： python pandas numpy lambda scipy

【解决方案1】：

函数列表前需要lambda，返回DataFrame使用Series：

c = ['trim_mean','mean','sum']
print (df.agg(lambda x: pd.Series([trim_mean(x, 0.2), np.mean(x), np.sum(x)], index=c)))

或者：

print (df.apply(lambda x: pd.Series([trim_mean(x, 0.2), np.mean(x), np.sum(x)], index=c)))

                   A         B         C
trim_mean  -0.143219 -0.018430 -0.097768
mean       -0.171887 -0.042308 -0.004843
sum       -17.188738 -4.230797 -0.484343

验证：

print (df.agg([np.sum, np.mean]))
              A         B         C
sum  -17.188738 -4.230797 -0.484343
mean  -0.171887 -0.042308 -0.004843

print(df.agg(lambda x: trim_mean(x, 0.2)))
A   -0.143219
B   -0.018430
C   -0.097768
dtype: float64

【讨论】：

【解决方案2】：

您将列表作为参数提供，并且它们都期望某些功能，因此请使用：

df.agg(*[lambda x: trim_mean(x, 0.2)])

或者：

df.apply(*[lambda x: trim_mean(x, 0.2)])

从列表中解压缩这些函数作为参数。

但是，如果您有多个 lambdas，您将遇到您在 Google 上搜索的错误，因为它们具有相同的名称。

【讨论】：