对 groupby 的每一列应用一个函数答案

【问题标题】：Apply a function to each column of groupby对 groupby 的每一列应用一个函数
【发布时间】：2021-09-23 14:56:22
【问题描述】：

假设我有一个数据框 df，它有两个索引级别，如下所示：

     col 1  col 2
A 1      1      5
  2      2      3
B 1      2      4
  2      1      4

现在我想通过some_function 为每个级别 0 索引的每一列计算一个值。所以对于每一组：

groups = df.groupby(level = 0)

不幸的是，我的some_function 在我的情况下只接受一维数据。我找到了一种方法来做到这一点，但我对我的解决方案并不满意，因为我不知道如何将它应用于大数据帧，而且感觉很多余。

df_new=groups.aggregate({"col 1":some_function,"col 2":some_function"})

有没有更好的方法来获得相同的结果？

【问题讨论】：

试试apply：groups.apply(lambda g: g.apply(some_function))
我认为groups.agg(some_function) 应该适用于每列
小技巧。如果您不确定传递给您的函数的内容，请使用print 进行测试。例如df.agg(print) 将逐列打印列，这确认传递的数据是一维（系列）。

标签： python pandas group-by multi-index

【解决方案1】：

使用stack 和groupby：

df.stack().groupby(level=[0, 2]).apply(some_function)

例子：

>>> df
     col 1  col 2
A 1      1      5
  2      2      3
B 1      2      4
  2      1      4

>>> df.stack()
A  1  col 1    1
      col 2    5
   2  col 1    2
      col 2    3
B  1  col 1    2
      col 2    4
   2  col 1    1
      col 2    4
dtype: int64

>>> list(df.stack().groupby(level=[0, 2]))
[(('A', 'col 1'),  # <- first group
  A  1  col 1    1
     2  col 1    2
  dtype: int64),
 (('A', 'col 2'),  # <- second group
  A  1  col 2    5
     2  col 2    3
  dtype: int64),
 (('B', 'col 1'),  # <- third group
  B  1  col 1    2
     2  col 1    1
  dtype: int64),
 (('B', 'col 2'),  # <- fourth group
  B  1  col 2    4
     2  col 2    4
  dtype: int64)]

【讨论】：