Python 迭代唯一列值以创建数据帧，在子数据帧上运行函数并保存为单个concat

我有一个主数据框，它有数百个键值，格式如下：

Key,Val1,Val2
a,1,w
a,2,w
a,3,e
b,1,g
b,2,d

其思想是创建一个循环，为每个唯一的键值创建一个新的数据帧：

Key,Val1,Val2
a,1,w
a,2,w
a,3,e

并在此数据帧上执行一个函数，然后创建一个新的数据帧，它是从唯一键值获得的所有新数据帧的集合。因此，如果函数为avg和中值除以val 2，则输出如下所示：

     a     b
avg  1      1
med  2      2

我想到的代码是，函数dataframe保存在

dffinal

：

def regression():
    X=Final.iloc[:,7:-1].copy()
    y=Final[['Sale Rate']].copy()
    X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=.2, random_state=0)
    sel=f_classif(X_train, y_train)
    p_values=pd.Series(sel[0], index=X_train.columns)
    p_values=p_values.reset_index()
    pd.options.display.float_format = "{:,.2f}".format
    return p_values

Final.groupby('Key').agg([regression]).T

请指出我到底哪里会出错，我不知道该怎么做

错误：

ValueError: no results

---

数据结构示例：

如果我理解正确，请使用

df.groupby('Key')['Val1'].agg(['mean', 'median']).T

并根据需要重命名index/cols

演示：

---

使用自定义函数进行聚合

def custom1(values):
    return values.sum()*100

def custom2(values):
    return values.max() - values.min()

演示：

自定义名称：

>>> df.groupby('Key')['Val1'].agg([('foo', custom1), ('bar', custom2)]).T
Key    a    b
foo  600  300
bar    2    1

---

为什么

a的
avg
值是
1
？它不应该是
（1+2+3）/3=2
？这是你想要的吗<代码>df.groupby（'Key'）['Val1'].agg（['mean'，'median']）.T

。使用我放置的实际列

'Val1'

。请忽略这些值，我没有输入准确的值，因为这可能是一个egIt，但我需要一些函数不可知的东西，所以请您建议在for循环中进行更改。好的，可以使用这个，但在其他一些用例中，这不起作用，如果我对这些值进行回归，并将beta系数存储在新的数据框中，这种方法就不会起作用work@KarthikApadodharanan为什么不？因为我不能定义一个函数来运行回归，很抱歉我不清楚。@KarthikApadodharanan为什么你不能定义一个函数来运行回归？我不知道你可以，是否可以定义一个函数来运行回归并将结果存储在数据框中；这样，函数的输出就是数据帧中的F统计值

>>> df.groupby('Key')['Val1'].agg([custom1, custom2]).T
Key        a    b
custom1  600  300
custom2    2    1

>>> df.groupby('Key')['Val1'].agg([('foo', custom1), ('bar', custom2)]).T
Key    a    b
foo  600  300
bar    2    1