在 python 中，summary (dplyr) 函数类比答案

【问题标题】：In python, the summarise (dplyr) function analogue在 python 中，summary (dplyr) 函数类比
【发布时间】：2019-10-01 03:21:07
【问题描述】：

我有一个熊猫数据框 df，我想按变量“house”分组，并在其他三个变量中执行特定操作：“var1”、“var2”和“var3”。假设这三个变量是数字变量，并且 'var1' 取值 1、2、3。

data = {'house':['A', 'B', 'A', 'A', 'B', 'B', 'B'], 'var1':[3, 0, 1, 3,4,5,3], 'var2':[2, 0, 5, 1,4,1,3],'var3':[4, 2, 3, 3,0,5,1]}
df = pd.DataFrame(data) 
df

现在，我想创建 3 个新变量

new_var1 = 计算 var3 取值的次数 == 3
new_var2 = sum var2（简单聚合）
new_var3 = sum var3（简单聚合）

如果我使用 R 编程语言，我会立即使用

require(dplyr)
data = data.frame('house'=c('A', 'B', 'A', 'A', 'B', 'B', 'B'), 
        'var1'=c(3, 0, 1, 3,4,5,3), 
        'var2'=c(2, 0, 5, 1,4,1,3),
        'var3'=c(4, 2, 3, 3,0,5,1))

df= data %>% group_by(house) %>% summarise(new_var1 = sum(var1 == 3),
                                       new_var2 = sum(var2),
                                       new_var2 = sum(var2))
df

在python中，首先我分组

df.groupby(['house'])['var1','var2', 'var3']

但我想继续使用同一行代码，但我不知道该怎么做。 python中有一些类似的'summarise'函数吗？

【问题讨论】：

标签： python r pandas

【解决方案1】：

您可以使用agg 方法来做到这一点

(df.groupby(['house']).agg({'var1': lambda x: (x==3).sum(), 
                            'var2': 'sum',
                            'var3': 'sum'})
   .rename(columns={"var1": "new_var1", 
                    "var2": "new_var2",
                    "var3":"new_var3"})
)

【讨论】：

好答案，我希望你不介意我重新格式化了一下。另外，使用'sum' 和x.sum() 可能比sum 快。
这很有趣。如果我删除括号，我会收到错误消息。为什么变量的顺序不是 new_var1、new_var2 和 new_var3？
对不起，现在我意识到括号错误。忽略评论。
括号是必需的，因为代码不止一行。不过，我可以看到变量井然有序
但是变量顺序的问题还是有问题的。

【解决方案2】：

我一直在将数据包（dplyr、tidyr、tibble 等）从R 移植到python：

https://github.com/pwwang/datar

如果你熟悉 R 中的那些包，并且想在 python 中应用它，那么这里就是为你准备的：

from datar import f
from datar.all import *

data = tibble(
  house=c('A', 'B', 'A', 'A', 'B', 'B', 'B'), 
  var1=c(3, 0, 1, 3,4,5,3), 
  var2=c(2, 0, 5, 1,4,1,3),
  var3=c(4, 2, 3, 3,0,5,1)
)

df= data >> group_by(f.house) >> summarise(new_var1 = sum(f.var1 == 3),
                                           new_var2 = sum(f.var2),
                                           new_var3 = sum(f.var3))
print(df)

输出：

  house  new_var1  new_var2  new_var3
0     A         2         8        10
1     B         1         8         8

【讨论】：