Groupby和apply函数用于Python中的子数据帧

如何按

项

和

日期

分组，然后对于每个子数据帧，获取实际行，其中“data”值是子数据帧中的实际中间值

有时有多行，

数据

等于中间值，在这种情况下，我们只保留第一行

df:

预期产出：

1   22     2012-03-10  20
4   24     2012-03-11  50

您可以使用

groupby（）.transform（）

然后使用布尔索引：

medians = df.groupby(['item','date'])['data'].transform('median')

# drop duplicates in the case 
# there are multiple rows equal to median
df[df['data']==medians].drop_duplicates(['item','date','data'])

输出：

   item        date  data
1    22  2012-03-10    20
4    24  2012-03-11    50

   item        date  data
0    22  2012-03-10    20
1    24  2012-03-11    50

您可以使用

groupby（）.transform（）

然后使用布尔索引：

medians = df.groupby(['item','date'])['data'].transform('median')

# drop duplicates in the case 
# there are multiple rows equal to median
df[df['data']==medians].drop_duplicates(['item','date','data'])

输出：

   item        date  data
1    22  2012-03-10    20
4    24  2012-03-11    50

   item        date  data
0    22  2012-03-10    20
1    24  2012-03-11    50

请

.groupby（）

，.

agg（中位数）

请

.groupby（）

，.

agg（中位数）

---

您可以使用熊猫作为示例 df['date']=pd.to_datetime（df['date']）.dt.date

df1=df.groupby（['data'，'date']）['date'，'data'].median（）

---

df1

您可以使用熊猫将以下内容用作示例 df['date']=pd.to_datetime（df['date']）.dt.date

df1=df.groupby（['data'，'date']）['date'，'data'].median（）

df1试试这个：

df.groupby(['item', 'date'], as_index=False).median()

输出：

   item        date  data
1    22  2012-03-10    20
4    24  2012-03-11    50

   item        date  data
0    22  2012-03-10    20
1    24  2012-03-11    50

试试这个：

df.groupby(['item', 'date'], as_index=False).median()

输出：

   item        date  data
1    22  2012-03-10    20
4    24  2012-03-11    50

   item        date  data
0    22  2012-03-10    20
1    24  2012-03-11    50

---

谢谢你的回答。使用它返回的代码

AttributeError:“DataFrame”对象没有属性“name”

，您知道可能会出现什么问题吗？您的示例数据和我的代码都不包含任何单词

name

。您应该查看

df.name

的实际代码，看看您在那里尝试了什么。谢谢您的回答。使用它返回的代码

AttributeError:“DataFrame”对象没有属性“name”

，您知道可能会出现什么问题吗？您的示例数据和我的代码都不包含任何单词

name

。您应该查看

df.name

的实际代码，看看您试图在那里做什么。谢谢您的回答。实际上，数据框中还有其他列，我是否可以保留所有列？

df.groupby（['item'，'date'，as_index=False）。agg（{'data'：'median'，'other_col1'：'first'，'other_col2'：'first'）

。您需要指定func如何选择要“sum”或“first”或“last”值的值。将列指定为

“first”

时，行是否必须首先与其他列一致？如果没有，顺序是什么？不需要。因为您仅按“item”和“date”列对行进行分组。其余的列在选择值时会变得复杂，这就是为什么如果您不指定，它们不会显示的原因，这需要指定您是否要选择sum/median/min/max/first/last值。因此，如果我对附加列使用“first”表示“value”，其他因素保持不变，是否选择分组依据[“item”]后的第一行，“date”]还是选择group by[“item”，“date”]之后的第一行，其中

data

列是组的中间值？谢谢您的回答。数据框中实际上还有其他列，我可以保留所有列吗？

df.groupby（['item'，date'，as_index=False）。agg({'data'：'median'，'other_col1'：'first'，'other_col2'：'first'}）

。您需要指定func如何选择要“sum”或“first”或“last”值的值。将列指定为

“first”时"

，行是否必须首先与其他列一致？如果不一致，顺序是什么？不需要。因为您仅按此列“项”和“日期”对行进行分组。其余列在选择值时会变得复杂，这就是为什么如果您不指定，它们不会显示的原因，因此需要指定是否要求和/medi要拾取的/min/max/first/last值。因此，如果我在附加列中使用“first”表示“value”，其他因素保持不变，是选择分组依据[“item”，“date”]后的第一行，还是选择分组依据[“item”，“date”]后的第一行，其中，

数据

列是组的中间值？感谢您提供的解决方案。但是，返回的输出包括两列相同的

数据

。此外，如果在数据帧中有其他列，例如时间戳，是否可以保留这些列中的原始值？如果相同，则会导致ts来自您的数据帧和可能的操作。查看您提供的数据示例和我的输出，我无法看到重复的列。感谢您提供的解决方案。但是返回的输出包括两列相同的

数据

。此外，如果数据帧中有其他列，例如时间戳，是否可以是否保留这些列中的原始值？如果相同，则是数据帧和可能的操作导致的。查看您提供的数据示例和我的输出，我无法看到重复的列。