Python 使用pandas在单个groupby调用中执行多个操作？

我想在按日期分组后生成一个摘要数据框。我希望有一列显示给定列的实际平均值，以及过滤大于0的实例后该列的平均值。我知道了如何做到这一点（见下文），但这需要执行两个单独的

groupby

调用，重命名列，然后将它们重新连接在一起。我觉得一个人应该可以在一个电话里完成这一切。我试图使用

eval

来执行此操作，但不断出现错误，并被告知使用

apply

，我无法在groupby对象上使用

eval

代码可以满足我的需求，但似乎效率不高：

# Sample data

data = pd.DataFrame(
          {"year" : [2013, 2013, 2013, 2014, 2014, 2014],
           "month" : [1, 2, 3, 1, 2, 3],
           "day": [1, 1, 1, 1, 1, 1],
           "delay": [0, -4, 50, -60, 9, 10]})

subset = (data
          .groupby(['year', 'month', 'day'])['delay']
          .mean()
          .reset_index()
          .rename(columns = {'delay' : 'avg_delay'})
         )

subset_1 = (data[data.delay > 0]
          .groupby(['year', 'month', 'day'])['delay']
          .mean()
          .reset_index()
          .rename(columns = {'delay' : 'avg_delay_pos'})
         )

combined = pd.merge(subset, subset_1, how='left', on=['year', 'month', 'day'])
combined

   year  month  day  avg_delay  avg_delay_pos
0  2013      1    1          0            NaN
1  2013      2    1         -4            NaN
2  2013      3    1         50           50.0
3  2014      1    1        -60            NaN
4  2014      2    1          9            9.0
5  2014      3    1         10           10.0

---

解决方案是针对您的问题的，但您可以使用单个groupby调用来实现这一点。要获得“avg_delay_pos”，只需删除负值（和零值）

---

细分

其中

用于屏蔽非正值

df['delay_pos'] = df['delay'].where(df['delay'] > 0)
# df['delay'].where(df['delay'] > 0)                                                                                                  

0     NaN
1     NaN
2    50.0
3     NaN
4     9.0
5    10.0
Name: delay, dtype: float64

接下来，提取要分组的延迟列

df.filter(like='delay')                                                                                                             

   delay  delay_pos
0      0        NaN
1     -4        NaN
2     50       50.0
3    -60        NaN
4      9        9.0
5     10       10.0

然后在日期执行一个

groupby

_.groupby(pd.to_datetime(df[['year', 'month', 'day']])).mean()

            delay  delay_pos
2013-01-01      0        NaN
2013-02-01     -4        NaN
2013-03-01     50       50.0
2014-01-01    -60        NaN
2014-02-01      9        9.0
2014-03-01     10       10.0

如果使用

pd.to_datetime

将年/月/日列转换为单个datetime列，则在单个列上分组比在多个列上分组更有效

pd.to_datetime(df[['year', 'month', 'day']])                                                                                        

0   2013-01-01
1   2013-02-01
2   2013-03-01
3   2014-01-01
4   2014-02-01
5   2014-03-01
dtype: datetime64[ns]

最后的

。添加前缀（“avg”）

在结果中添加前缀“\u avg”

---

如果您想要单独的年/月/日列，另一种方法是

df['delay_pos'] = df['delay'].where(df['delay'] > 0)
df.groupby(['year', 'month', 'day']).mean().add_prefix('avg_').reset_index()

   year  month  day  avg_delay  avg_delay_pos
0  2013      1    1          0            NaN
1  2013      2    1         -4            NaN
2  2013      3    1         50           50.0
3  2014      1    1        -60            NaN
4  2014      2    1          9            9.0
5  2014      3    1         10           10.0

---

IIUC，您可以使用以下代码：

>>> data['avg_delay'] = data.pop('delay')
>>> data['avg_delay_pos'] = data.loc[data['avg_delay'].gt(0), 'avg_delay']
>>> data
   day  month  year  avg_delay  avg_delay_pos
0    1      1  2013          0            NaN
1    1      2  2013         -4            NaN
2    1      3  2013         50           50.0
3    1      1  2014        -60            NaN
4    1      2  2014          9            9.0
5    1      3  2014         10           10.0
>>> 

说明：

• 我首先删除了

  delay

  列，并将其分配给新名称

  avg\u delay

  ，因此我实际上将

  delay

  的名称重命名为

  avg\u delay

• 然后我创建了一个名为

  avg_delay\u pos

  的新列，它首先使用

  loc

  获取大于零的值，由于索引不会重置，因此它会将大于零的索引设置为

  avg_delay

  的值，而其他索引则不包含任何赋值，也就是说，他们将像您预期的那样

  NaN

---

可用的样本数据将使这一问题更容易回答。阅读后，你可以编写自己的函数来处理所有的事情，并使用

apply

。可能

combined=data.groupby（['year'，'month'，'day']）['delay'，'pos'].mean（）.reset_index（）.rename（columns={'delay'：'avg_delay'，'pos'：'avg_delay_pos}）就足够了。但如果没有一些数据，我无法确定……添加了示例数据我想我学到的是，这些类型的操作不能在一行中完成。@BenG这是怎么正确的，为什么正确？您得到与groupby解决方案相同答案的唯一原因是，日历日期在示例数据中是唯一的。我认为这是显而易见的。我想我学到的是这些类型的操作不能在一行中完成。@BenG-PS，你可以在一行中做任何你想做的事情。我的第二种方法可以简化为
df.assign（delay_pos=df['delay']].where（df['delay']>0））.groupby（['year'，'month'，'day']）.mean（）.add_prefix（'avg_'）.reset_index（）
，这是一行。为了清晰起见，我将其扩展为两个。这不是我该说的，但我觉得你已经放弃了你的赏金：(
>>> data['avg_delay'] = data.pop('delay')
>>> data['avg_delay_pos'] = data.loc[data['avg_delay'].gt(0), 'avg_delay']
>>> data
   day  month  year  avg_delay  avg_delay_pos
0    1      1  2013          0            NaN
1    1      2  2013         -4            NaN
2    1      3  2013         50           50.0
3    1      1  2014        -60            NaN
4    1      2  2014          9            9.0
5    1      3  2014         10           10.0
>>>