使用apply、transform、agg-Python时如何引用groupby索引？

具体来说，假设我们有两个数据帧：

df1：

df2：

现在我想在df1中按日期分组，取每个组中的值a的和，然后用相应日期中df2中的值B对其进行规范化。像这样的

df1.groupby('date').agg(lambda x: np.sum(x)/df2.loc[x.date,'B'])

---

问题是聚合、应用和转换都不能引用索引。你知道如何解决这个问题吗？

当你调用

.groupby（'column'）

时，它使

column

成为

DataFrameGroupBy

索引的一部分。并且可以通过

.index

属性访问它

> df_grouped = df1.groupby('date').sum()
> print df_grouped['A'] / df2['B'].astype(float)
date
12/1/14    0.40
12/2/14     NaN
12/3/14    0.90
12/4/14     NaN
12/5/14     NaN
12/6/14    0.25
dtype: float64

因此，在您的情况下，假设

date

不是

df

中的索引的一部分，这应该是可行的：

def f(x):
    return x.sum() / df2.set_index('date').loc[x.index[0], 'B']

df1.set_index('date').groupby(level='date').apply(f)

这将产生：

               A
date            
2014-01-12  0.40
2014-03-12  0.90
2014-06-12  0.25

如果

date

在df2的索引中，只需在上述代码中使用

df2.loc[x.index[0]，'B']

---

如果

date

位于

df1.index

中，则将最后一行更改为

df1.groupby（level='date'）。应用（f）

这当前处于低质量队列中。请提供一些解释

def f(x):
    return x.sum() / df2.set_index('date').loc[x.index[0], 'B']

df1.set_index('date').groupby(level='date').apply(f)

               A
date            
2014-01-12  0.40
2014-03-12  0.90
2014-06-12  0.25