Python 如何做R-dplyr'；熊猫有什么特点？

我想将我的pandas数据帧分成几个组，然后在每个块上运行一个复杂的函数。复杂函数为每个块返回一个数据帧，其中包含任意数量的列和名称以及任意数量的行。我希望在操作后合并这些结果数据帧。在R中，我可以用

library(tibble)
library(dplyr)

df = tribble(
  ~g,  ~c1, ~c2,
  "a",   1,   6,
  "a",   2,   7,
  "b",   3,   8,
  "b",   4,   9,
  "b",   5,  10
)

myfct <- function(x, y){
  data.frame(c1 = x,
             c2 = y,
             res = c(x * y, x + y, x / y),
             type = c('mult', 'add', 'div'))
}

df %>% group_by(g) %>% do(myfct(.$c1, .$c2))

库（TIBLE）
图书馆（dplyr）
df=tribble(
~g，~c1，~c2，
“a”、1、6、，
“a”、2、7、，
“b”、3、8、，
“b”、4、9、，
“b”、5、10
)
myfct%按（g）%>%do分组（myfct（.$c1，.$c2））

结果是

Source: local data frame [15 x 5]
Groups: g [2]

       g    c1    c2        res   type
   <chr> <dbl> <dbl>      <dbl> <fctr>
1      a     1     6  6.0000000   mult
2      a     2     7 14.0000000    add
3      a     1     6  7.0000000    div
4      a     2     7  9.0000000   mult
5      a     1     6  0.1666667    add
6      a     2     7  0.2857143    div
7      b     3     8 24.0000000   mult
8      b     4     9 36.0000000    add
9      b     5    10 50.0000000    div
10     b     3     8 11.0000000   mult
11     b     4     9 13.0000000    add
12     b     5    10 15.0000000    div
13     b     3     8  0.3750000   mult
14     b     4     9  0.4444444    add
15     b     5    10  0.5000000    div

来源：本地数据帧[15 x 5]
分组：g[2]
g c1 c2 res型
1600万公吨
2 a 2 7 14.0000000添加
3 a 1 670000000 div
4A2790000000多辆
5 a 16 0.1666667增补
6 a 27 0.2857143分区
7 b 3 8 24.0000000 mult
8 b 4 9 36.0000000加上
9 b 5 10 50.0000000分区
10B38110000000公吨
11 b 4 9 13.0000000添加
12 b 5 10 15.0000000分区
13 b 3 8 0.3750000 mult
14 b 4 9 0.444增补
15 b 5 10 0.5000000分区

---

当然，这只是一个例子。

我认为您需要

应用

-同时检查：

对于重塑，也可以使用：

---

我认为您需要

应用

-同时检查：

对于重塑，也可以使用：

---

好的，我认为这是朝着正确方向迈出的一步，但我再也看不到groupby专栏了。我们能把它带回来吗？好的，我认为这是朝着正确方向迈出的一步，但我再也看不到groupby专栏了。我们能把它带回来吗？

def myfct(x):
    print (x)
    return pd.DataFrame({'mult':x['c1'] * x['c2'], 
                          'add':x['c1'] + x['c2'], 
                          'div':x['c1'] / x['c2'],
                          'g':x.name,
                          'c1': x['c1'],
                          'c2':x['c2']})

df = df.groupby('g')['c1','c2'].apply(myfct)
print (df)
   add  c1  c2       div  g  mult
0    7   1   6  0.166667  a     6
1    9   2   7  0.285714  a    14
2   11   3   8  0.375000  b    24
3   13   4   9  0.444444  b    36
4   15   5  10  0.500000  b    50

df = df.groupby('g')['c1','c2'].apply(myfct)
       .melt(id_vars=['g','c1','c2'], value_name='res', var_name='type')
print (df)
    g  c1  c2  type        res
0   a   1   6   add   7.000000
1   a   2   7   add   9.000000
2   b   3   8   add  11.000000
3   b   4   9   add  13.000000
4   b   5  10   add  15.000000
5   a   1   6   div   0.166667
6   a   2   7   div   0.285714
7   b   3   8   div   0.375000
8   b   4   9   div   0.444444
9   b   5  10   div   0.500000
10  a   1   6  mult   6.000000
11  a   2   7  mult  14.000000
12  b   3   8  mult  24.000000
13  b   4   9  mult  36.000000
14  b   5  10  mult  50.000000