python中的summary（dplyr）函数

我有一个panda数据帧df，我希望通过变量“house”进行分组，并在其他三个变量中执行特定操作：“var1”、“var2”和“var3”。Suposse这三个变量是数值型的，“var1”取值为1,2,3

data = {'house':['A', 'B', 'A', 'A', 'B', 'B', 'B'], 'var1':[3, 0, 1, 3,4,5,3], 'var2':[2, 0, 5, 1,4,1,3],'var3':[4, 2, 3, 3,0,5,1]}
df = pd.DataFrame(data) 
df

现在，我想创建3个新变量

new_var1=计算var3获取值的次数==3

new_var2=总和var2（简单聚合）

new_var3=总和var3（简单聚合）

如果我使用的是R编程语言，我会立即这样做

require(dplyr)
data = data.frame('house'=c('A', 'B', 'A', 'A', 'B', 'B', 'B'), 
        'var1'=c(3, 0, 1, 3,4,5,3), 
        'var2'=c(2, 0, 5, 1,4,1,3),
        'var3'=c(4, 2, 3, 3,0,5,1))

df= data %>% group_by(house) %>% summarise(new_var1 = sum(var1 == 3),
                                       new_var2 = sum(var2),
                                       new_var2 = sum(var2))
df

在python中，首先，我按分组

df.groupby(['house'])['var1','var2', 'var3']

---

但是我想继续写同一行代码，我不知道怎么做。python中有一些类似的“summary”函数？

您可以使用

agg

方法来实现这一点

(df.groupby(['house']).agg({'var1': lambda x: (x==3).sum(), 
                            'var2': 'sum',
                            'var3': 'sum'})
   .rename(columns={"var1": "new_var1", 
                    "var2": "new_var2",
                    "var3":"new_var3"})
)

---

我一直在从

python

中的

R

移植数据包（

dplyr

，

tidyr

，

tibble

，等等）：

如果您熟悉R中的这些软件包，并希望在python中应用它，那么这里就是为您准备的：

从数据导入f
从datar.all导入*
数据=TIBLE(
房屋=c（'A'，'B'，'A'，'A'，'B'，'B'，'B'），
var1=c（3,0,1,3,4,5,3），
var2=c（2,0,5,1,4,1,3），
var3=c（4,2,3,3,0,5,1）
)
df=数据>>分组依据（f.house）>>总结（新变量1=总和（f.var1==3），
new_var2=总和（f.var2），
新变量3=总和（f.var3））
打印（df）

输出：

  house  new_var1  new_var2  new_var3
0     A         2         8        10
1     B         1         8         8

---

回答得好，希望你不介意我重新格式化了一点。另外，使用

'sum'

和

x。sum（）

可能比

sum

快。这很有趣。如果我去掉括号，我会得到一个错误。为什么变量的顺序不是new_var1、new_var2和new_var3？对不起，现在我意识到了括号错误。忽略注释。需要括号，因为代码位于多行中。虽然我可以很好地看到变量的顺序，但是变量的顺序问题仍然是相关的。