Python 如何在Pandas中分组，在所有组上具有带参数的函数并返回参数

我正在积累熊猫方面的经验，并遇到了这个挑战：我有一个源数据框架，比如dfu source，其中有“a”、“B”、“C”列。我想按“A”和“B”分组，每组都要根据“C”的所有值进行计算。结果应该是一个新的附加列“D”

def myfunc(df, par):
    {some complex calculation based on all values of df['C']}
    return [dataframe or column]

df_source['D'] = df_source.groupby(['A', 'B']).{call myfunc per group, and pass parameter value}

我的问题：如何从这里开始创建列“D”？据我所知，apply适用于单行，而不是组

更新：在单个组中，每行可能有不同的D值，例如字符串“组中的第i个元素/n个元素”。

我认为您需要：

另一种可能的解决方案是使用：

---

如果myfunc接受第二个参数（例如一个数字）？另一个参数是某个常数？在一次运行中，是的，但应该显式传递。

grouped\u df.aggregate（func）

对每个分组对象应用

func

。看见您可以尝试将它们连接到一列，并将其添加到原始df。

def myfunc(x, p):
    #y => return `Series`
    return y

df_source['D'] = df_source.groupby(['A', 'B'])['C'].apply(lambda x: myfunc(x, par))

df_source['D'] = df_source.groupby(['A', 'B'])['C'].transform(lambda x: myfunc(x, par))