Python-将函数应用于分组数据帧
我有一个数据框,如下所示:Python-将函数应用于分组数据帧,python,pandas,dataframe,Python,Pandas,Dataframe,我有一个数据框,如下所示: A B C 0 foo 1.496337 -0.604264 1 bar -0.025106 0.257354 2 foo 0.958001 0.933328 3 foo -1.126581 0.570908 4 bar -0.428304 0.881995 5 foo -0.955252 1.408930 6 bar 0.504582 0.455287 7 bar -1.0
A B C
0 foo 1.496337 -0.604264
1 bar -0.025106 0.257354
2 foo 0.958001 0.933328
3 foo -1.126581 0.570908
4 bar -0.428304 0.881995
5 foo -0.955252 1.408930
6 bar 0.504582 0.455287
7 bar -1.076096 0.536741
8 bar 0.351544 -1.146554
9 foo 0.430260 -0.348472
我想获得每组B
列的最大值(按A
分组时),并将其添加到C
列中。以下是我尝试过的:
分组依据A
:
df = df.groupby(by='A')
获取列B
的最大值,然后尝试将其应用于列“C”:
for name in ['foo','bar']:
maxi = df.get_group(name)['B'].max()
df.get_group(name)['C'] = df.get_group(name)['C']+maxi
此时,请尝试使用.loc[row\u indexer,col\u indexer]=value来代替
。这是否意味着我必须对列a
值上带有if
的行使用for
循环,并逐个修改C
数据?我的意思是,这似乎不是熊猫式的,我觉得我错过了一些东西。如何更好地处理这个分组数据帧 此类操作使用转换或聚合完成。
在您的情况下,您需要transform
# groupby 'A'
grouped = df.groupby('A')
# transform B so every row becomes the maximum along the group:
max_B = grouped['B'].transform('max')
# add the new column to the old df
df['D'] = df['A'] + max_B
或者在一行中:
In [2]: df['D'] = df.groupby('A')['B'].transform('max') + df['C']
In [3]: df
Out[3]:
A B C D
0 foo 1.496337 -0.604264 0.892073
1 bar -0.025106 0.257354 0.761936
2 foo 0.958001 0.933328 2.429665
3 foo -1.126581 0.570908 2.067245
4 bar -0.428304 0.881995 1.386577
5 foo -0.955252 1.408930 2.905267
6 bar 0.504582 0.455287 0.959869
7 bar -1.076096 0.536741 1.041323
8 bar 0.351544 -1.146554 -0.641972
9 foo 0.430260 -0.348472 1.147865
有关详细信息,请参阅