Python 熊猫:根据群体的不同进行聚合
假设我有一些数据如下:Python 熊猫:根据群体的不同进行聚合,python,pandas,dataframe,aggregation,Python,Pandas,Dataframe,Aggregation,假设我有一些数据如下: patient_id lab_type value 1 food 10 1 food 8 2 food 3 2 food 5 1 shot 4 1 shot 10 2 shot 2 2 shot 4 然后我将分组,
patient_id lab_type value
1 food 10
1 food 8
2 food 3
2 food 5
1 shot 4
1 shot 10
2 shot 2
2 shot 4
然后我将分组,例如groupby(['patient\u id','lab\u type')
之后,我想在值上进行聚合,但每个实验室类型不同。在food
上,我想使用mean
进行聚合,在shot
上,我想使用sum
进行聚合
最终数据应如下所示:
patient_id lab_type value
1 food 9 (10 + 8 / 2)
2 food 4 (3 + 5 / 2)
1 shot 14 (10 + 4)
2 shot 6 (2 + 4)
这个问题的答案看起来很有希望。从这一点开始,我提出了以下代码,应该适合您
测试数据:
data = [{"A" : 1, "B" : "food", "C" : 10},
{"A" : 1, "B" : "food", "C" : 8},
{"A" : 2, "B" : "food", "C" : 3},
{"A" : 2, "B" : "food", "C" : 5},
{"A" : 1, "B" : "shot", "C" : 4},
{"A" : 1, "B" : "shot", "C" : 10},
{"A" : 2, "B" : "shot", "C" : 2},
{"A" : 2, "B" : "shot", "C" : 4}]
df = pd.DataFrame(data)
实际代码:
res = df.groupby(['A', 'B']).apply(
lambda x: pd.Series(
{"value" : x.C.mean() if x.iloc[0].B == "food" else x.C.sum()}
)
)
这导致
value
A B
1 food 9
shot 14
2 food 4
shot 6
让p
成为您的数据帧
P[P.lab_type =="food"].groupby(['patient_id']).aggregate(np.avg)
对于shot
组和结果也是如此
在食物上,我想用平均数来聚合,在镜头上,我想用总和来聚合
只需使用。应用并传递自定义函数:
def calc(g):
if g.iloc[0].lab_type == 'shot':
return sum(g.value)
else:
return np.mean(g.value)
result = df.groupby(['patient_id', 'lab_type']).apply(calc)
此处calc
接收如中所示的每组数据帧。因此,您可以得到您想要的:
patient_id lab_type
1 food 9
shot 14
2 food 4
shot 6
dtype: float64
我尝试修改答案:
您可以使用和,然后使用:
只需编写一个函数,检查其输入的labu类型
,并根据输入的内容执行不同的操作,然后将该函数应用于groupby。不过,您的答案似乎是最简洁的,您能解释一下g在本例中指的是什么以及需要返回什么吗?calc
为每个组调用一次,g
指的是组中的数据(实际上是一个数据帧)。返回值是您应用的任何操作的结果,在本例中,它是计算的统计数据。本质上,Pandas自动连接所有结果。这是一个可靠的答案,但与mira的答案相比有点冗长。
print df
patient_id lab_type value
0 1 food 10
1 1 food 8
2 2 food 3
3 2 food 5
4 1 shot 4
5 1 shot 10
6 2 shot 2
7 2 shot 4
df1 = df[df.lab_type =="food"].groupby(['patient_id']).mean()
df1['lab_type'] = 'food'
print df1
value lab_type
patient_id
1 9 food
2 4 food
df2 = df[df.lab_type =="shot"].groupby(['patient_id']).sum()
df2['lab_type'] = 'shot'
print df2
value lab_type
patient_id
1 14 shot
2 6 shot
print pd.concat([df1, df2]).reset_index()
patient_id value lab_type
0 1 9 food
1 2 4 food
2 1 14 shot
3 2 6 shot