Python 分组-创建通用聚合函数

我需要对数据进行大量的聚合，我希望编写一个函数，使我能够通过

1） 用于分组的字符串 2） 构成分子/分母/和公式的字段

由于我将使用不同的分组、不同的分子和分母对数据进行大量切割，因此我更容易创建一个通用分组，并根据需要传递它

因此，让我们以以下示例为例：

import pandas as pd
df=pd.read_csv("https://raw.githubusercontent.com/wesm/pydata-book/master/ch08/tips.csv", sep=',')
(df.groupby(['sex', 'smoker'])[['total_bill','tip']].sum().apply(lambda r: r.tip/r.total_bill, axis = 1))

现在，我想创建一个函数，它允许我通过值和分子分母字段传递一个分组

比如说

groupbyvalue=['sex', 'smoker']
fieldstoaggregate=['tip','total_bill']

然后把它们插进类似

(df.groupby(groupbyvalue)[fieldstoaggregate].sum().apply(lambda r: r.tip/r.total_bill, axis = 1))

这很好，但当我尝试用以下内容替换公式时：

dfformula="r.tip/r.total_bill"

然后将其放入公式中，如下所示

(df.groupby(groupbyvalue)[fieldstoaggregate].sum().apply(lambda r: dfformula, axis = 1)*10000)

我的输出如下所示：

sex     smoker
Female  No        r.tip/r.total_billr.tip/r.total_billr.tip/r.to...
        Yes       r.tip/r.total_billr.tip/r.total_billr.tip/r.to...
Male    No        r.tip/r.total_billr.tip/r.total_billr.tip/r.to...
       Yes       r.tip/r.total_billr.tip/r.total_billr.tip/r.to...
dtype: object

有没有办法动态创建计算，然后在公式中使用它，而不是将其解释为字符串

---

谢谢

您可以使用

eval（）

函数来实现这一点

import pandas as pd

df = pd.read_csv("https://raw.githubusercontent.com/wesm/pydata-book/master/ch08/tips.csv", sep=',')

groupbyvalue = ['sex', 'smoker']
fieldstoaggregate = ['tip','total_bill']
dfformula = "r.tip/r.total_bill"

(df.groupby(groupbyvalue)[fieldstoaggregate].sum().apply(lambda r: eval(dfformula), axis = 1))

结果如下

sex     smoker
Female  No        0.153189
        Yes       0.163062
Male    No        0.157312
        Yes       0.136919
dtype: float64

---

您可以使用

eval（）

函数来实现这一点

import pandas as pd

df = pd.read_csv("https://raw.githubusercontent.com/wesm/pydata-book/master/ch08/tips.csv", sep=',')

groupbyvalue = ['sex', 'smoker']
fieldstoaggregate = ['tip','total_bill']
dfformula = "r.tip/r.total_bill"

(df.groupby(groupbyvalue)[fieldstoaggregate].sum().apply(lambda r: eval(dfformula), axis = 1))

结果如下

sex     smoker
Female  No        0.153189
        Yes       0.163062
Male    No        0.157312
        Yes       0.136919
dtype: float64

---

令人惊叹的！！谢谢你真棒！！非常感谢。