Python 熊猫groupby和sklearn创作–；通过应用管道携带各种钥匙

假设我有这样一个数据帧：

将熊猫作为pd导入
将numpy作为np导入
df=pd.DataFrame(
{
‘x0’：[1,2，np.nan，5]，
“x1”：[4,5,6,10]，
“组”：[2,10,10,2]，
“id”：[1,2,3,4]，
}
)

我想对前缀为

x

的每一列应用一些任意估计器/估计器并集，因此我提出了一些组合估计器，如下所示：

来自sklearn.preprocessing导入StandardScaler的

pd.DataFrame（df.groupby（'group'）.apply（lambda x:StandardScaler（）.fit_transform（x.drop（['group'，'id']，axis=1））.explode（）.values.tolist（））
#      0    1
# 0 -1.0 -1.0
# 1  1.0  1.0
# 2  0.0 -1.0
#3.1.0

正如我们所看到的，实际上没有一种很好的方法来跟踪这些行所属的组或索引（

id

column）。我对反变换这些缩放特征不感兴趣。我如何跟踪这样一个管道中的

组

和

id

列

---

我看了一下，但找不到主键和其他我想随身携带的功能。

您可以使用

sklearn.compose.make\u column\u transformer执行类似操作。

：

从sklearn.compose导入make_column_transformer
列_-to_转换=[c表示df中的c，如果c不在['group'，'id']]
列\u非\u到\u转换=['group'，'id']
所有列=列到列的转换+列到列的转换
obj=制造柱变压器(
（StandardScaler（），列到列的转换），
（'passthrough'，columns_not_to_transform），
)
pd.DataFrame（df.groupby（'group'）.apply（lambda x:obj.fit_transform（x））.explode（）.values.tolist（））.rename（columns=dict（zip（range（len（all_columns）），all_columns）））
x0-x1组id
0 -1.0 -1.0    2.0  1.0
1  1.0  1.0    2.0  4.0
2  0.0 -1.0   10.0  2.0
3 NaN 1.0 10.0 3.0

您的想法是正确的，但是您可以通过正确的方式使用pandas方法简化和清理代码的几个部分：

from sklearn.preprocessing import StandardScaler
from sklearn.compose import make_column_transformer

ct = make_column_transformer(
    (StandardScaler(), df.head(1).filter(like='x').columns),
    remainder='passthrough'
)

data = df.groupby('group').apply(ct.fit_transform).explode()
pd.DataFrame(data.tolist(), columns=df.columns)

    x0   x1  group   id
0 -1.0 -1.0    2.0  1.0
1  1.0  1.0    2.0  4.0
2  0.0 -1.0   10.0  2.0
3  NaN  1.0   10.0  3.0