Python 在通过groupby进行迭代时，使用函数中的组名向dataframe添加列

我有一组数据，我使用一个函数进行拟合，这产生了一个带有拟合参数的dict，其中键对应于可能的组名

假设我有另一个数据帧，其中包含一些组和一些对应的x值。我想做的是使用dict中的拟合参数获取第二个数据集中x值的y值，而不将参数合并到第二个数据集中

下面是我想做的一个简单例子。首先，我有一个使用拟合参数的函数，而不是实际参数：

def funcx，p: y=0 对于我在rangelenp： y+=p[i]*x**i 返回y 具有第二个数据集的数据帧，该数据集由要分组的两列和一些对应的x值组成：

df=pd.DataFrame{'a'：np.random.randint3，size=20， “b”：np.random.randint3，大小=20， “x”：np.random.randint10，高=20，大小=20} 带有df拟合参数组的dict通常是dict键的样本：

params={key:np.random.randint5，对于df.groupby['a'，'b'].groups.keys}中的键，size=3 现在我想计算一个新列“ycalc”，使用组名作为参数的选择器，并应用该函数。在我的脑海中，这看起来像：

对于名称，df.groupby['a'，'b']中的组： df['ycalc']=funcparams[name]，组['c'] 但是，对于每个组，整个列都会被覆盖，从而为组外的所有成员生成NaN。另一个逻辑解决方案是使用transform，但是我不能使用组名作为输入，不管可能存在其他语法错误：

df['ycalc']=df.groupby['a'，'b']['x'].transformfunc，args=params[name] 获取列ycalc的最佳方法是什么？

使用lambda函数：

df['ycalc'] = df.groupby(['a','b'])['x'].transform(lambda x: func(x, p[x.name]))

---

从接受答案下的讨论中，我分享了我最终使用的解决方案，该解决方案也是由jezrael提出的：

def f(x):
    x['ycalc'] = func(params[x.name],x['c'])
    return x

df.groupby(['a','b']).apply(f)

---

对我来说，这比使用melt和pivoting另一个建议更具可读性，它增加了使用多个列构造df['ycalc']的额外灵活性。这很方便，因为在我真正的问题中，除了df['c']之外，我还有df['d']和df['e']列，它们被用作func的输入。

有时这比人们想象的要容易。。。你的回答太快了，我还不能接受。这对我的例子来说非常有效，但我当然过分简化了我的实际问题。在我的实际问题中，我有多个在func中调用的列x，例如“x1”、“x2”和“x3”。似乎transform一次只通过lambda x传递一列，而不是整个组。在这种情况下，我应该使用apply，还是有一个很好的替代方法，可以像transform一样将所有内容重新格式化为原始df的列格式？@Adriaan-Hmm，所以需要为多个列处理相同的函数？像df['ycalc1'，'ycalc2'，'ycalc3']]=df.groupby['a'，'b']['x1'，'x2'，'x3']].transformlambda x:funcx，p[x.name]？不，只有一个输出数组，类似于y+=p[i]*df['x1']**i+p[i]*x['x2']**i-1+p[i]*x['x2']**]**i-2，其中funcx，p变成funcdf，p，p，所以我假设x是一个数据帧。让我知道，如果这与原来的帖子偏离太多，我可以再问一个问题。@Adriaan-我认为groupby.apply是必要的，因为在groupby.transform中，transform不能与x1、x2、x2并行工作，在groupby.transform中有多个列，如df.groupby['a'，'b'][['x1'，'x2'，'x3']]。transform分别处理每一列。这意味着先是x1，然后是x2，最后是x3