Pandas 按变换协方差进行分组

我的数据帧：

A = pd.DataFrame({'group':['A','A','A','A','B','B','B'],
              'value1':[1,2,3,4,5,6,7],
              'value2':[8,5,4,3,7,8,8]})

我想有一个新的列，协方差，它显示了组水平上[value1，value2]对于每个观察值的协方差

因此，我尝试：

A['covariance'] = A.groupby('group')[['value1','value2']].transform(lambda x: x['value1'].cov(x['value2']),axis=1)

但这会导致错误：

TypeError: Transform function invalid for data types

---

我缺少什么？

我认为您需要以稍微不同的方式指定列：

>>> A.groupby('group')['value1'].transform(lambda x: x.cov(A['value2']))
0   -2.666667
1   -2.666667
2   -2.666667
3   -2.666667
4    0.500000
5    0.500000
6    0.500000

其工作原理如下：

>>> for _, frame in A.groupby('group'):
...     print(frame['value1'].cov(frame['value2']))
... 
-2.6666666666666665
0.5

旁注-我觉得这个语法有点混乱，因为

a.groupby（'group'）

是（

'group'，'df'

）元组的迭代器。但我认为这是因为

转换函数必须：对组逐列进行操作 大块使用将转换应用于第一个组块 chunk.apply

---

作为披露，通常，在调用中抛出

lambda

（可能，但并不总是）会通过将计算放在Python空间（而不是Cython）来降低速度。这到底是怎么回事

A['value2']

是整个原始序列，所以我们可以通过，因为

x

被重新编制索引并填充

NaN

，在这种情况下，它可以工作，因为

NaN

不会改变协方差，所以我们有效地只在组内计算它？是的，我冒昧地称之为@ALollz有点不直观-它似乎没有遵循如何在groupby对象上调用东西的常规。乍一看，我会认为

a.groupby（'group'）.transform（lambda-df:df['value1'].cov（a['value2']）

将是解决方案，因为

a.groupby（'group'）中的每个“group”都是

是一个具有3个原始列的数据帧。是的，我认为需要使用transform

lambda，因为它确实不能跨列运行。一般来说，我习惯于这样的事情：
my_cov=lambda gp:gp.cov（A.loc[gp.index，'value2']）
，所以它只在组内起作用。但是对于cov
NaN
处理，它似乎在没有子集的情况下工作。