Python 使用两个（或多个）值进行分组聚合

我想知道是否有一个很好的方法可以做到以下几点

我有一个带有

country、user\u id、实际值、prediction

我想计算每个国家的准确度。精度方法需要两个阵列。一个用于实际值，一个用于预测值

将熊猫作为pd导入
从sklearn.metrics导入平衡的精度分数
df=pd.DataFrame(
[
（'DEU'，'a'，1,1），
（'DEU'，'b'，1,0），
（'GBR'，'c'，0,0），
（'GBR'，'c'，0,1），
],
列=['country'、'user\u id'、'actual\u value'、'prediction']
)

我知道我可以迭代地选择我想要的df切片并计算度量。我想知道我是否能以某种方式将这两个值（

实际值

，

预测值

）输入到聚合函数中

我想，我可以创建一个列，在元组中同时包含这两个值，这有点违背了熊猫的惯例。大概

df['actual_predictions']=df['actual_value'，'prediction']]。应用（lambda行：元组（行），轴=1）

然后为我的精度函数创建一个包装器，首先从元组中提取数组并调用度量

def acc_包装（实际预测）：
实际值=[a代表a，u在实际值中u预测]
预测=[p表示u，p表示实际预测]
返回平衡精度分数（实际值、预测值）

然后做一些类似的事情

df.groupby（'country'）.actuals\u predictions.agg（acc\u包装器）
国家
氘0.5
GBR 0.5
名称：e，数据类型：float64

---

但是我想知道是否有更高级的方法来实现这一点。

我们可以通过

balanced\u accurity\u score

将此函数传递给

apply

df['actuals_predictions'] = df.groupby('country').apply(lambda row: balanced_accuracy_score(row['actual_value'], row['prediction']), axis=1)

---

这太奇怪了，我从来没有在groupby之后使用过应用程序