Pandas groupby聚合与数据帧的差异，尤其是在轴=1上

我不理解出现的失败，也不理解为什么“应用于组”在两个组中失败，但在一个组中失败

我已经解决了我的总体目标（我试图将一些列串连接在一起），但我担心这些失败会让我有些困惑

参考的驱动目标是能够

import pandas as pd
import numpy as np

def main():
    df = pd.DataFrame([["a", "b", "c", "k"],["d", "e", "f", "l"],['g','h','i', "J"]], columns=["ay", "be", "ce", "jay"])
    print(df)

    gb1 = df.groupby({"ay": "x", "be": "x"}, axis=1)
    gb2 = df.groupby({"ay": "x", "be": "x", "ce": "y", "jay": "y"}, axis=1)

    print("apply sum by axis 0")
    #print(df.apply(sum))
    print("fails")

    print("apply sum by axis 1")
    # print(df.apply(sum, axis=1))
    print("fails")

    print("agg sum by axis 0")
    print(df.agg(sum))

    print("agg sum by axis 1")
    print(df.agg(sum, axis=1))

    print("gb1 apply sum axis 1")
    print(gb1.apply(sum))

    print("gb1 agg sum axis 1")
    print(gb1.agg(sum))

    print("gb2 apply sum axis 1")
    # print(gb2.apply(sum))
    print("fails")

    print("gb2 agg sum axis 1")
    print(gb2.agg(sum))

    print(gb1.agg(lambda x: ";".join([x[0], x[1]]))


if __name__ == "__main__":
    main()

我也不明白为什么这样不行

尤其是自从

gb1.agg(lambda x: ";".join(x))

---

里面有很多东西要打开

gb1.agg(lambda x: ";".join([x[0], x[1]]) does

…上述操作失败，因为您正在应用Python sum函数，该函数需要数字类型。您可以使用以下任意一种方法来解决这个问题（我认为这取决于numpy处理pandas将其转换为的对象数据类型的能力）：

---

接下来，这两项在print语句中表示axis=1，但实际上不是：

df.apply(np.sum)
df.sum()

…如果你加上axis=1，它们就会工作并给出合理的结果

---

请注意，以下内容中缺少右括号：

    print("gb1 apply sum axis 1")
    print(gb1.apply(sum))

    print("gb2 apply sum axis 1")
    # print(gb2.apply(sum))
    print("fails")

…在示例代码和后面的注释中

看起来你是在说代码的最后一部分是实现你目标的东西。上一次尝试：

gb1.agg(lambda x: ";".join([x[0], x[1]])

…将出现的一个组的索引中的项目连接起来，而不是单个系列。检查：

gb1.agg(lambda x: ";".join(x))

---

最后，给定您的数据帧，如果您想做的是在列之间连接“；”，您还可以做：

print(gb1.groups)

或者对于少量项目

cols = ['ay','be']
df.apply(lambda x: ";".join((x[c] for c in cols)), axis=1)

---

…而不是使用groupby。

Ah，groupby agg没有axis，但有apply。一般来说，我对数据帧[apply | agg | transform]和groupby[apply | agg | transform]之间的区别有点困惑。其中有些具有共享参数列表，有些具有类似的行为，有些似乎完全不同，而且所有这些都似乎具有一些冗余功能（即，对groupby的1个组执行应用类似于对列选择执行应用，您可以同时执行agg和apply sum）

cols = ['ay','be']
df.apply(lambda x: ";".join((x[c] for c in cols)), axis=1)

df['concat'] = df['ay'] + ";" + df['be']