Python “我该怎么做？”；“重新分组”；在SeriesGroupBy上执行apply（）后我的系列？

我需要修改一个现有函数，它基本上执行一个

Series.str.contains

并返回结果

Series

，以便能够将

SeriesGroupBy

作为输入处理

如错误消息所示

无法访问“SeriesGroupBy”对象的属性“str”，请尝试使用“apply”方法

我曾尝试在

SeriesGroupBy

对象上使用

apply（）

，它在某种程度上起作用，但会产生一个

Series

对象。现在，我想对这个

系列

应用与以前相同的分组

原函数

def包含（系列、表达式）：
return series.str.contains（表达式）

我迄今为止的努力

>>将熊猫作为pd导入
... 从functools导入部分
...
... 定义f（系列、表达式）：
...     return series.str.contains（表达式）
...
... def包含（分组_系列，表达式）：
...     结果=分组的_系列。应用（部分（_f，表达式=表达式））
...     返回结果
>>>df=pd.DataFrame（zip（[1,1,2,2]，'abc'，'def'，'abq'，'bcq']），columns=['group'，'text']）
>>>gdf=df.groupby（'group'）
>>>gs=gdf['text']
>>>类型（gs）
>>>r=包含（gdf['text']，'b'）
>>>r
0对
1错误
2正确
3正确
名称：text，数据类型：bool
>>>类型（r）

所需的结果将由一个布尔序列组成，该序列按与原始

分组的\u序列相同的索引进行分组

实际结果是一个没有任何分组的
系列
对象

编辑/澄清：

最初的答案让我觉得我没有充分强调问题的核心。为了回答这个问题，假设我不能更改
包含（分组的_系列，表达式）
函数之外的任何内容。
我想如果我从另一个角度看待问题，我知道如何解决问题，如果我不这样做，那将成为另一个问题。现实世界的环境使得在一个函数之外更改代码变得非常复杂。因此，我非常感谢在这一限制范围内有效的建议

因此，让我将问题重新表述如下：

我正在寻找一个函数
包含（分组的_系列，表达式）
，这样下面的代码就可以工作了：

df=pd.DataFrame（zip（[1,1,2,2]，'abc'，'def'，'abq'，'bcq']），columns=['group'，'text']）
>>>grouped_series=contains（df.groupby（'group'）['text']，'b'））
>>>分组_系列.sum（）
组
1    1.0
2    2.0
名称：text，数据类型：float64

您可以这样做。不需要分组

df['eval']= df['text'].str.contains('b')

eval

是要添加的列的名称。你可以说出你想要的名字

df.groupby('group')['eval'].sum()

在第一行之后运行这个。结果是

group
1    1.0
2    2.0

---

按照错误消息的建议，您可以使用

apply

：

df.groupby('group').apply(lambda x : x.text.str.contains('b'))
Out[10]: 
group   
1      0     True
       1    False
2      2     True
       3     True
Name: text, dtype: bool

如果要将这些索引放入数据集中并返回数据帧，请使用

reset\u index

：

df.groupby('group').apply(lambda x : x.text.str.contains('b')).reset_index()
Out[11]: 
   group  level_1   text
0      1        0   True
1      1        1  False
2      2        2   True
3      2        3   True

---

groupby

是不需要的，除非您想对“组”执行某些操作，例如计算其总和或检查组中的所有行是否都包含字母

b

。在

GroupBy

对象上调用

apply

时，可以通过关键字将附加参数传递给要应用的函数：

def contains(frame, expression):
    return frame['text'].str.contains(expression).all()

df.groupby('group').apply(contains, expression='b')

结果:

group
1    False
2    True
dtype: bool

我喜欢认为所应用函数的第一个参数（

frame

）是原始数据帧的较小视图，由

groupby

子句分割

---

也就是说，

apply

与专门的聚合函数

min

、

max

或

sum

相比速度非常慢。尽可能多地使用这些方法，并保存

对复杂情况应用
。
\u f
与组绝对没有关系。处理这个问题的方法是在分组之前定义一列（不是单独的函数），然后分组。现在，该列（称为“to_sum”
）是您的
系列.GroupBy
对象的一部分

df.assign(to_sum = _f(df['text'], 'b')).groupby('group').to_sum.sum()
#group
#1    1.0
#2    2.0
#Name: to_sum, dtype: float64

如果后续操作不需要整个数据帧，则可以使用
df
将
\u f
返回的序列相加到组中（因为它们将共享相同的索引）

例如，索引应该是
[0,1,0,1]
？我不太明白。如果您的
GroupBy
聚合为每个组返回一个值，则输出是一个以组键为索引的系列（想想
GroupBy.sum
）。但是，如果返回值是组内每行一个值，则在组内进行计算，但返回一个带有原始索引的序列（想想
GroupBy.cumsum
）。您当前的公式与后一个公式类似，其中实际上没有特定于计算的组。@ALollz问题是，
包含的
函数不知道聚合。它只需返回一个
SeriesGroupBy
，然后稍后的函数将“决定”（可能在运行时）如何聚合结果（例如，计算
包含的每个组的所有行（）
返回的
True
）。如果可能的话，我想在不改变流程的情况下实现它。@Josmoor98问得好，我实际上不知道SeriesGroupBy对象上的索引是什么样子的。（这可能是我挣扎的部分原因。）@MatthiasManhertz据我所知，唯一能返回
系列的东西是
.GroupBy
。此时，您唯一的选择是
应用
，
agg
转换
或迭代组。因为您的函数不知道分组，所以绝对没有理由让它成为groupby的一部分。您应该在分组之前定义此列，然后创建
Series.GroupBy
对象。似乎我在最初的问题中没有明确指出，我不能（不想）更改
_f(df['text'], 'b').groupby(df['group']).sum()