Python 如何对某些列使用df.groupby（cols.apply）（my_func），而保留一些未处理的列？

假设我有一个数据帧

df

有a、b、c、d…z列。我想：

df.groupby（'a'）。对
d-z
列应用（my_func（））

，而将

'b'和'c'列保持不变。怎么做

我注意到熊猫可以通过传递dict对不同的列应用不同的函数。但我有一个很长的列列表，只想设置参数或提示参数，让Pandas绕过一些列，将
my_func（）
应用到其余的列？（否则，我必须构建一个长dict）
一个简单（通用）的方法是使用您感兴趣的子集创建数据帧视图（或者，在您的案例中，使用一个视图，其中包含除您希望忽略的列之外的所有列），然后使用APPLY来创建该视图

In [116]: df
Out[116]: 
     a  b         c  d        f
0  one  3  0.493808  a      bob
1  two  8  0.150585  b    alice
2  one  6  0.641816  c  michael
3  two  5  0.935653  d      joe
4  one  1  0.521159  e     kate

使用您喜欢的方法创建所需的视图。您可以选择一系列列，如so
df_view=df.ix[：，'b'：'d']
，但以下内容可能对您的场景更有用：

#I want all columns except two 
cols = df.columns.tolist()    
mycols = [x for x in cols if not x in ['a','f']]
df_view = df[mycols]

将您的函数应用于该视图。（注意，这还没有改变df中的任何内容。）

使用Update（）更新df

In [158]: df_view.apply(lambda x: x /2)
Out[158]: 
   b         c   d
0  1  0.246904  20
1  4  0.075293  25
2  3  0.320908  28
3  2  0.467827  28
4  0  0.260579  24

In [156]: df.update(df_view.apply(lambda x: x/2))

In [157]: df
Out[157]: 
     a  b         c   d        f
0  one  1  0.246904  20      bob
1  two  4  0.075293  25    alice
2  one  3  0.320908  28  michael
3  two  2  0.467827  28      joe
4  one  0  0.260579  24     kate