Python 在groupby之后基于条件数据帧应用函数

我想在groupby之后对一组数字执行一个函数，但该函数仅在满足特定条件时才起作用。有没有办法执行两种不同的操作

假设我们想在groupby之后应用函数1/x。对于x==0，当然不能这样做，但我们只希望得到0作为返回值。通常情况下，这看起来像这样

如果x>0：返回1/x否则：返回0

但是,

df.groupby（by=[“index”]）。应用（如果x==0，则lambda x:0，否则为1/x）

给我一条错误消息：

ValueError：序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

构建的数据如下所示：

经过一次群比之后，我只剩下

df= |索引|值1| | --- | -----| |a | 0| |b | 0.5| |c | 0.2 |， 其中索引不再可调用

我还有数据集

危险品=

指数 价值2 价值3 A. 1. 5. A. 2. 8. C 3. 7. C 7. 7. B 5. 6. B 7. 13

---

您可以创建一个函数来执行此操作：-

def func(x):
    if x['value1'].gt(0).all():
        return 1/x['value1']
    else:
        return ((((x['value2']/x['value3'])-x['value1'])**2).sum()/x['value1']*x['value1'].count())

现在只需使用：-

dh.groupby(by = ["index"]).apply(func)

输出：-

index   
a      0    inf
       1    inf
b      4    2.0
       5    2.0
c      2    5.0
       3    5.0

尝试：

这在多个列上运行良好：

df = pd.DataFrame({'index': [0, 0, 0, 1, 1, 1], 'A':[0,1,2,3,4, 5], 'B':[50, 40,30,20,10, 0]})

print(df)

   index  A   B
0      0  0  50
1      0  1  40
2      0  2  30
3      1  3  20
4      1  4  10
5      1  5   0

df.groupby(by = ["index"]).transform(lambda x: [0 if y == 0 else 1/y for y in x.to_list()])

Output:

          A         B
0  0.000000  0.020000
1  1.000000  0.025000
2  0.500000  0.033333
3  0.333333  0.050000
4  0.250000  0.100000
5  0.200000  0.000000

解释 由于

groupby.apply（）

与数据帧一起传递，因此

lambda x

中的

x

实际上是基于组的数据帧的一小部分。因此，文本

x==0

将数据帧与0进行比较，并给出错误

---

对于

groupby.transform（）

，它是用一个序列而不是数据帧传递的。因此，我们可以使用

Series.to_list（）

函数获取其单个元素，并按元素处理它们。

如果您的问题中包含一个示例输入/输出数据帧，这将非常有用。您得到了什么错误我得到的错误是：

ValueError:序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。

谢谢，这似乎适用于单个列。有没有办法把它扩展到两列，其中条件基于一列？是的，你的条件是什么？我说我有a列和b列。然后我想做一些类似于

.apply（如果x.b=0，则lamda x:0，否则x.a.sum（）/x.b）

的事情，你能发布你的df输出吗？比如

打印（df）

的输出，或者你的数据框看起来怎么样，或者发布你的数据框的一小部分。谢谢你的帮助和耐心！但是，如果每行都有几列需要计算，那么x.to_list（）将生成一个嵌套列表。然后，我不能再使用y.value1，但必须使用y[0]例如？@Mick_99您在开始时没有提到这样的跨列操作要求，并在发布了多个答案后对问题进行了重大更改。请注意在将来一次过写清楚你的要求。我理解你的意思。我得到了一些反馈，所以我改变了它！

df = pd.DataFrame({'index': [0, 0, 0, 1, 1, 1], 'A':[0,1,2,3,4, 5], 'B':[50, 40,30,20,10, 0]})

print(df)

   index  A   B
0      0  0  50
1      0  1  40
2      0  2  30
3      1  3  20
4      1  4  10
5      1  5   0

df.groupby(by = ["index"]).transform(lambda x: [0 if y == 0 else 1/y for y in x.to_list()])

Output:

          A         B
0  0.000000  0.020000
1  1.000000  0.025000
2  0.500000  0.033333
3  0.333333  0.050000
4  0.250000  0.100000
5  0.200000  0.000000