Pandas Groupby：聚合和条件答案

【问题标题】：Pandas Groupby: Aggregate and ConditionalPandas Groupby：聚合和条件
【发布时间】：2018-09-29 04:27:08
【问题描述】：

我在 PD 数据框中按项目-日期对分组，并希望将一些使用 lambda 的自定义条件函数添加到更大的聚合函数中。

使用提示here，我可以执行以下操作，它可以正常工作并计算给定列中的正值和负值。

item_day_count=item_day_group['PriceDiff_pct'].agg({'Pos':lambda val: (val > 0).sum(),'Neg':lambda val: (val <= 0).sum()}).reset_index()

我还可以做一个不同的聚合，它包含预构建的聚合和返回正确统计数据的自定义百分位函数：

item_day_count_v2=item_day_group['PriceDiff_pct'].agg(['count','min',percentile(25),'mean','median',percentile(75),'max']).reset_index()

但我不知道如何将它们组合成一个更大的函数 - 当我尝试以下操作时出现错误：AttributeError: 'DataFrameGroupBy' object has no attribute 'name'：

item_day_count_v3=item_day_group['PriceDiff_pct'].agg(['count',{'Pos_Return':lambda val: (val > 0).sum(),'Neg_Return':lambda val: (val <= 0).sum()},'min',percentile(25),'mean','median',percentile(75),'max']).reset_index()

有谁知道如何组合这些功能？似乎考虑到两者分开工作，我已经很接近了。感谢您的帮助！

【问题讨论】：

标签： python pandas aggregate pandas-groupby

【解决方案1】：

我不建议将 dict 中定义的 func 和这样的本地聚合器结合起来。您可以将它们作为具有函数名称和函数的元组列表传递，如下所示：

item_day_count_v3 = item_day_group['PriceDiff_pct'].agg([
    ('Count', 'count'), 
    ('Pos_Return', lambda val: (val > 0).sum()), 
    ('Neg_Return', lambda val: (val < 0).sum()), 
    ('Mean', 'mean'), 
    ('Median', 'median'), 
    ('25%Percntile', percentile(25)), 
    ('75%Percntile', percentile(75)), 
    ('Max', 'max')
]).reset_index()

函数名将是列名。

【讨论】：

【解决方案2】：

来自 pandas docs 的 aggregate() 方法：

接受的组合是：

字符串函数名

功能

函数列表

列名字典 -> 函数（或函数列表）

不过，我会说它不支持所有组合。

所以，你可以试试这个：

首先获取字典中的所有内容，然后使用该字典进行聚合。

# The functions to agg on every column.
agg_dict = dict((c, ['count','min',percentile(25),'mean','median',percentile(75),'max']) for c in item_day.columns.values)

# Append to the dict the column-specific functions.
agg_dict['Pos_Return'] = lambda val: (val > 0).sum()
agg_dict['Neg_Return'] = lambda val: (val <= 0).sum()

# Agg using the dict.
item_day_group['PriceDiff_pct'].agg(agg_dict)

【讨论】：

【解决方案3】：

正如其他人所说，您不能在 agg() 方法中将命名函数与字典混合。

这是实现您想要的实用方法。让我们编一些数据。

df = pd.DataFrame({'A':['x', 'y']*3,
                   'B':[10,20,30,40,50,60]})

df
Out[38]: 
   A   B
0  x  10
1  y  20
2  x  30
3  y  40
4  x  50
5  y  60

定义一个函数来计算大于或等于 30 的值。

def ge30(x):
    return (x>=30).sum()

现在在groupby().agg() 中使用您的自定义函数。

df.groupby('A').agg(['sum', 'mean', ge30])
Out[40]: 
     B          
   sum mean ge30
A               
x   90   30    2
y  120   40    2

【讨论】：