先進的聚集大熊貓蟒蛇

Question

如果我有一個簡單的表格，如：

index location  col1 col2 col3 col4 
    1   a  TRUE yes  1  4 
    2   a FALSE null  2  6 
    3   b  TRUE null  6  3 
    4   b  TRUE  no  3  4 
    5   b FALSE yes  4  6 
    6   c  TRUE  no  57  8 
    7   d FALSE null  74  9 

如果我想聚集在位置重複的記錄，即兩個A或三個B的，我一直在使用一個基本groupby函數。這適用於簡單的表格。

但是，是否可以擴展此功能，以便在聚合時允許每列的規則？作爲col1的一個例子，如果TRUE存在，它會勝過任何FALSE值，或者在col3中，它會對這些值進行求和，而在col4中它會計算平均值？是否可以爲每列定義這些規則，然後在使用groupby時應用它們？

我在網上搜索，但沒有發現任何似乎覆蓋這個，但我可能會吠叫錯誤的樹。

謝謝。

Answer 1

使用groupby和agg

funcs = dict(
    col1=dict(Trump=lambda x: x.any()), 
    col3='sum', 
    col4=dict(Avg='mean') 
) 

df.groupby('location').agg(funcs) 

---

當與多個列groupby對象上使用agg，可以傳遞一個dict定義適用於哪一列，其功能。

在這個高級字典（funcs）中，鍵是應用在該值中定義的函數的現有列名稱。

例如：

agg({'col1': lambda x: x.any(), 'col2': 'sum'}) 

說對col2上col1和sum使用any()。如果數據幀中不存在col1或col2，則會失敗。

此外，我們不必使用來自此聚合的默認列名稱。我將運行上面的小例子來說明。

df.groupby('location').agg({'col1': lambda x: x.any(), 'col3': 'sum'}) 

沒有太多說明什麼，我們已經做到了。如果我們將字典作爲函數傳遞，我們可以根據需要描述函數，關鍵是描述，值是函數。我將使用相同的示例，但用更好的描述進行擴展。

df.groupby('location').agg(
    {'col1': {'All I need is one True': lambda x: x.any()}, 
    'col3': {'SUMMATION': 'sum'}}) 

武裝與信息，希望我的解決方案是非常合情合理的。