Python R组按%>；%总结大熊猫中的等价物

我正在尝试将一些代码从R重写为python

我的df有点像

size = 20
np.random.seed(456)
df = pd.DataFrame({"names": np.random.choice(["bob", "alb", "jr"], size=size, replace=True),
                  "income": np.random.normal(size=size, loc=1000, scale=100),
                  "costs": np.random.normal(size=size, loc=500, scale=100),
                   "date": np.random.choice(pd.date_range("2018-01-01", "2018-01-06"),
                                           size=size, replace=True)
                  })

现在我需要按名称对df进行分组，然后执行一些汇总操作

在R，dplyr中，我正在做

 dfg <- group_by(df, names) %>%
    summarise(
            income.acc = sum(income),
            costs.acc = sum(costs),
            net = sum(income) - sum(costs),
            income.acc.bymax = sum(income[date==max(date)]),
            cost.acc.bymax = sum(costs[date==max(date)]),
            growth =  income.acc.bymax + cost.acc.bymax - net
    )

---

我认为您需要自定义功能：

def f(x):
    income_acc = x.income.sum()
    costs_acc = x.costs.sum()
    net = income_acc - costs_acc
    income_acc_bymax = x.loc[x.date == x.date.max(), 'income'].sum()
    cost_acc_bymax = x.loc[x.date == x.date.max(), 'costs'].sum()
    growth =  income_acc_bymax + cost_acc_bymax - net
    c = ['income_acc','costs_acc','net','income_acc_bymax','cost_acc_bymax','growth']
    return pd.Series([income_acc, costs_acc, net, income_acc_bymax, cost_acc_bymax, growth], 
                     index=c)

df1 = df.groupby('names').apply(f)
print (df1)
        income_acc    costs_acc          net  income_acc_bymax  \
names                                                            
alb    7746.653816  3605.367002  4141.286814       2785.500946   
bob    6348.897809  3354.059777  2994.838032       2153.386953   
jr     6205.690386  3034.601030  3171.089356        983.316234   

       cost_acc_bymax       growth  
names                               
alb       1587.685103   231.899235  
bob       1215.116245   373.665167  
jr         432.851030 -1754.922093  

现在，您可以使用与在R中相同的方法来执行此操作：

>>来自数据r.all导入f，分组依据，汇总，总和，最大值
>>> 
>>>dfg=分组依据（df，f.名称）>>总结(
…收入=总和（f.收入），
…成本=总成本（f.成本），
…净=总和（f.收入）-总和（f.成本），
…收入=总和（f.收入[f.日期==最大值（f.日期）]，
…cost_acc_bymax=总和（f.costs[f.date==max（f.date）]），
…增长=f.收入(按最大值计算)f.成本(按最大值计算)f.净成本(按最大值计算)
... )
>>>dfg
命名收入\会计科目成本\会计科目净收入\会计科目按最大成本\会计科目按最大增长
0 alb 7746.653816 3605.367002 4141.286814 2785.500946 1587.685103 231.899235
1 bob 6348.897809 3354.059777 2994.838032 2153.386953 1215.116245 373.665167
2 jr 6205.690386 3034.601030 3171.089356 983.316234 432.851030-1754.922093

---

我是这个包裹的作者。如果您有任何问题，请随时提交问题。

如果使用

np.random.seed（456）

在创建

DataFrame

之前，您的预期输出是什么？现在编辑我的问题以更加精确谢谢，您能从示例数据中添加预期输出吗？如果每组有多个最大日期，我会稍微修改答案。是否可以检查R代码的输出？我没有R工作室，所以不能做。

         income_acc    costs_acc          net  income_acc_bymax  \
names                                                            
alb    7997.466538  3996.053670  4001.412868       2997.855009   
bob    6003.488978  3003.540598  2999.948380       2001.533870   
jr     6002.056904  3000.346010  3001.710894        999.833162   

       cost_acc_bymax       growth  
names                               
alb       1500.876851   497.318992  
bob       1002.151162     3.736652  
jr         499.328510 -1502.549221 

def f(x):
    income_acc = x.income.sum()
    costs_acc = x.costs.sum()
    net = income_acc - costs_acc
    income_acc_bymax = x.loc[x.date == x.date.max(), 'income'].sum()
    cost_acc_bymax = x.loc[x.date == x.date.max(), 'costs'].sum()
    growth =  income_acc_bymax + cost_acc_bymax - net
    c = ['income_acc','costs_acc','net','income_acc_bymax','cost_acc_bymax','growth']
    return pd.Series([income_acc, costs_acc, net, income_acc_bymax, cost_acc_bymax, growth], 
                     index=c)

df1 = df.groupby('names').apply(f)
print (df1)
        income_acc    costs_acc          net  income_acc_bymax  \
names                                                            
alb    7746.653816  3605.367002  4141.286814       2785.500946   
bob    6348.897809  3354.059777  2994.838032       2153.386953   
jr     6205.690386  3034.601030  3171.089356        983.316234   

       cost_acc_bymax       growth  
names                               
alb       1587.685103   231.899235  
bob       1215.116245   373.665167  
jr         432.851030 -1754.922093