Python 从多返回值groupby apply操作输出数据帧而不是序列

编辑：

我需要apply函数，它从几个复杂的计算中返回几个值。我可以在元组中返回这些值，因此GroupByApply操作的结果将是一个以组名为索引、以元组为值的系列。我希望它返回一个数据帧，这样我就可以保留所有的功能和灵活性

通常，groupby apply操作的结果将是一个系列，如果apply返回1个值。在apply返回2个或更多值的情况下，我希望结果是一个数据帧。所以我的问题是如何做到这一点。有关更多详细信息和示例，请参见原始Q

原始问题：

我有一个包含许多列和组的数据框架。我试图通过groupby应用机制执行分组操作，并且只为每个组检索2个值。目前，我为每个组返回一个元组（例如，

return（a，b）

），因此我得到的结果是一个以组名为索引、以元组为值的序列

这对我来说不是最好的输出，因为我接下来需要按其中一个值进行排序，通常这样我会丢失很多数据帧和系列功能

我想取而代之的是一个包含列“a”和“b”的数据帧

例如，假设a有一个大的数据帧df，看起来像：

Out[123]:
         ID1            ID2     score
0    6073165338_1    6073165338  100
1    6073165338_1    6073165338  89
2    6073165338_1    6073165338  87
3    6073165338_1    6073165338  65
4    6073165338_1    6073165338  62

def calc(grp):
    return grp.ID2.iloc[0],grp.score[:2].mean()

我想按ID1对其进行分组，并为每个组返回ID2（每个ID1组都相同） 以及前三名参赛者的平均分。我可以这样做：

Out[123]:
         ID1            ID2     score
0    6073165338_1    6073165338  100
1    6073165338_1    6073165338  89
2    6073165338_1    6073165338  87
3    6073165338_1    6073165338  65
4    6073165338_1    6073165338  62

def calc(grp):
    return grp.ID2.iloc[0],grp.score[:2].mean()

df.groupby（'ID1'）.apply（calc）

的结果将是一个以ID1组为索引的系列，以及以2个元素为值的元组：

6073165338_1（6073165338，94.5）

我希望输出是一个数据帧，具有与数据帧中的列相同的索引和两个值，因此我能够轻松地进行分析

---

我该怎么做

根据编辑后的问题，也许这就是你要找的。返回apply调用结果中的一个系列，并将其整理成一个数据帧（猜测这就是您要寻找的）

返回元组

In [721]: x.groupby('ID1').apply(lambda df: (df['ID2'].irow(0), df['score'].irow(0)))
Out[721]:
ID1
6073165338_1    (6073165338, 100)
dtype: object

返回序列

In [720]: x.groupby('ID1').apply(lambda df: pd.Series({'c1':df['ID2'].irow(0), 'c2':df['score'].irow(0)}))
Out[720]:
                  c1   c2
ID1
6073165338_1  6073165338  100

---

在第二个例子中，结果在一个数据帧中。好的，我有两个解决方案。第一种可能更好，不过我还是希望专家能发表评论。第一个选项是让应用的函数返回一个元组，然后将元组序列转换为数据帧：

s = x.groupby('ID1').apply(calc)
DataFrame(s.tolist(),index = s.index,columns = ['ID2','top3avg'])

这导致：

Out[156]:
                     ID2    top3avg
ID1     
6073165338_1     6073165338  94.5

第二种方法是在返回的元组上使用dataframe构造函数返回dataframe：

def calc(grp):
    return DataFrame([(grp.ID2.iloc[0],grp.score[:2].mean())],columns=['ID2','top3avg'])

x.groupby（'ID1'）.apply（calc）

的结果现在是一个数据帧：

                         ID2    top3avg
ID1         
6073165338_1    0    6073165338  94.5

第一种选择似乎更好，因为：

它只在groupby apply操作结束时运行一次DF构造函数

它不会返回不必要的整数索引

---

首先，看起来你的例子取了2个元素的平均值，而不是3-（100+89+87）/3=92，（100+89）/2=94.5

对于您的示例，我认为只需在dataframe上获得简单的mean（），每个组只剩下前3行。例如，像这样：

df.groupby('ID1').head(3).groupby('ID1').mean()

例如：

>>> df = pd.DataFrame({"ID1":['6073165338_1']*5 + [11111] * 6, "ID2":[6073165338 ]*5 + [22222] * 6, "score":[100,89,87,65,62] + [1, 2, 3, 4, 5, 6]})
>>> df
             ID1         ID2  score
0   6073165338_1  6073165338    100
1   6073165338_1  6073165338     89
2   6073165338_1  6073165338     87
3   6073165338_1  6073165338     65
4   6073165338_1  6073165338     62
5          11111       22222      1
6          11111       22222      2
7          11111       22222      3
8          11111       22222      4
9          11111       22222      5
10         11111       22222      6

>>> df.groupby('ID1').head(3).groupby('ID1').mean()
                     ID2  score
ID1                            
11111              22222      2
6073165338_1  6073165338     92

---

一个简单的例子就是我编辑了这个问题。我不能这样做，因为我得到的不是数据帧。看到编辑，我第一次可能不够清楚。添加了另一个解决方案，看看：）这肯定回答了我给出的示例，但不是我的问题。这意味着我举了一个坏例子。。假设我需要apply函数来检索一些复杂的计算。不是内置函数的函数。如果apply返回1个值，则结果为一系列。在apply返回2个或更多值的情况下，我希望结果是一个数据帧。所以我的问题是如何做到这一点。@user1945306是的，我明白了，我稍后会试试看是否能想出一些好的解决方案。