Python 将函数应用于groupby数据帧中的所有列

我有以下数据帧（我们称之为

data

）：

我想获得每个

id

的

A

和

B

（

A

-

B

）类型之间的差异，即，我希望结果是：

id | val1 | val2 |
------------------
1  | -0.4 | -0.2 |
2  |  0.1 | -0.2 |
3  | -0.1 | -0.8 |

完成此操作的唯一方法是定义一个函数：

def getDelta（df，valName）：
返回df[df['type']=='A'][valName]。值[0]-df[df['type']=='B'][valName]。值[0]

并将其分别应用于每列：

data.groupby（'id'）.apply（getDelta，valName='val1'）

然后合并结果以获得我想要的结果

---

有没有更有效的方法？最后，我想将一个函数应用于分组数据框的一部分列，但此函数必须考虑另一列的值。

您可以旋转数据框：

x = df.pivot(index="id", columns="type", values="val1")
y = df.pivot(index="id", columns="type", values="val2")

df = pd.concat([x["A"] - x["B"], y["A"] - y["B"]], axis=1).rename(
    columns={0: "val1", 1: "val2"}
)
print(df)

印刷品：

val1 val2
身份证件
1   -0.4  -0.2
2    0.1  -0.2
3   -0.1  -0.8

您可以

groupby（）

您的ID列，并在

valX

列上使用

diff（-1）

。将操作包装在

concat（）

中，您将获得所需的结果

df.set_index('id',inplace=True)
pd.concat([df.groupby(['id'])[df.filter(like='val').columns.tolist()].diff(-1).dropna()]).reset_index()

---

---

我添加了一个额外的valX，仅用于说明目的。

按照目前的情况，您可以使用

np.subtract.reduce

，假设在所有情况下“A”在“B”之前，并且没有重复项：

df.groupby("id", sort = False).agg(np.subtract.reduce).reset_index()

   id  val1  val2
0   1  -0.4  -0.2
1   2   0.1  -0.2
2   3  -0.1  -0.8

---

根据

id

，是否总是

A

和

B

？是否会有重复的

A

s或

B

s？谢谢！我不知道

diff（-1）

，它确实很有用。尽管如此，我已经在使用pd.concat（…），这是我想要避免的部分之一：）欢迎！很高兴你的问题得到了回答。事实上，在我看来，sammywemmy的方法也是可行的。为了确保“A”总是在“B”之前出现，我在解决方案之前添加了A

df.sort_值（by=['id'，'type']）

。谢谢！

   id  val1  val2  val3
0   1  -0.4  -0.2  -3.1
1   2   0.1  -0.2  17.0
2   3  -0.1  -0.8   1.5

df.groupby("id", sort = False).agg(np.subtract.reduce).reset_index()

   id  val1  val2
0   1  -0.4  -0.2
1   2   0.1  -0.2
2   3  -0.1  -0.8