如何在 Pandas 中链接 .agg() 和 .assign() 函数答案

【问题标题】：How to method chain .agg() and .assign() functions in Pandas如何在 Pandas 中链接 .agg() 和 .assign() 函数
【发布时间】：2020-03-18 12:58:43
【问题描述】：

我希望在 Pandas 中复制这个 Dplyr 查询，但是在将 .agg() 和 .assign() 函数链接在一起时遇到了麻烦，而且会这样感谢您的任何建议

Dplyr代码：

counties_selected %>%
  group_by(state) %>%
  summarize(total_area = sum(land_area),
            total_population = sum(population)) %>%
  mutate(density = total_population / total_area) %>%
  arrange(desc(density))

在 Pandas 中进行同样的尝试：
在 .assign() 部分中，我将变量重定向回原始数据帧，但没有其他工作

counties.\
   groupby('state').\
   agg(total_area = ('land_area', 'sum'),
       total_population = ('population', 'sum')).\
   reset_index().\
   assign(density = counties['total_population'] / counties['total_area']).\
   arrange('density', ascending = False).\
   head()

【问题讨论】：

标签： pandas data-manipulation method-chaining

【解决方案1】：

问题是您需要lambda 来处理链式数据，并且已经在以前的链式方法中处理：

assign(density = counties['total_population'] / counties['total_area'])

到：

assign(density = lambda x: x['total_population'] / x['total_area'])

另一个问题是使用排序来代替：

arrange('density', ascending = False)

方法DataFrame.sort_values:

sort_values('density', ascending = False):

总的来说，. 用于启动方法，例如：

df = (counties.groupby('state')
              .agg(total_area = ('land_area', 'sum'),
                   total_population = ('population', 'sum'))
              .reset_index()
              .assign(density = lambda x: x['total_population'] / x['total_area'])
              .sort_values('density', ascending = False)
              .head())

【讨论】：

非常感谢您的回复和分享您的知识，它工作得很好，但是有没有办法也链接 .arrange() 部分？它似乎没有选择新的变量“密度”。
@RobertChestnutt - 抱歉，我想念它，答案已编辑。

【解决方案2】：

使用datar，可以轻松地将您的 dplyr 代码移植到 python 代码，而无需学习 pandas API：

from datar.all import f, group_by, summarize, sum, mutate, arrange, desc

counties_selected >> \
  group_by(f.state) >> \
  summarize(total_area = sum(f.land_area),
            total_population = sum(f.population)) >> \
  mutate(density = f.total_population / f.total_area) >> \
  arrange(desc(f.density))

我是包的作者。如果您有任何问题，请随时提交问题。

【讨论】：