Python 熊猫：使用多个函数聚合多个列

Python中的Pandas和R中的Dplyr都是灵活的数据争用工具。例如，在R中，使用dplyr可以执行以下操作：

custom_func <- function(col1, col2) length(col1) + length(col2)

ChickWeight %>% 
  group_by(Diet) %>% 
  summarise(m_weight = mean(weight), 
            var_time = var(Time), 
            covar = cov(weight, Time),
            odd_stat = custom_func(weight, Time))

自定义函数%
组（饮食）%>%
总结（m_重量=平均（重量），
var_时间=var（时间），
covar=cov（重量、时间），
奇数统计=自定义函数（重量、时间））

注意如何在一个语句中

• 我可以在一行中聚合多个列
• 我可以在一行中对这些多列应用不同的函数
• 我可以使用考虑两列的函数
• 我可以为其中任何一个添加自定义函数
• 我可以为这些聚合声明新列名

---

这种模式在熊猫身上也可能吗？请注意，我有兴趣在一个简短的语句中这样做（因此不要创建三个不同的数据帧，然后连接它们）。

自0.16.0版以来，pandas提供了

assign（）

方法。我不确定它与@akrun提到的熊猫皮相比到底有什么不同，但它是熊猫的一部分。我认为除了groupby部分（或者我只是不知道如何与groupby结合）之外，它可以满足您的所有需求

受dplyr的mutate verb启发，DataFrame有一个新的assign（）方法。assign的函数签名只是**kwargs。键是新字段的列名，值可以是要插入的值（例如，一个系列或NumPy数组），也可以是要在数据帧上调用的一个参数的函数。插入新值，并返回整个数据帧（包括所有原始列和新列）

查看您的示例代码，我不确定如何执行groupby，但您肯定可以执行这类操作。（事实上，如果我想不出来，我可能会发布一个后续问题。）

或者，可以这样做：

df.assign( mean_weight = df['weight'].mean(),
           var_time    = df['time'].var(),
           covar       = np.cov(df['t1'],df['t2'])[0,0] )

或者，您可以像这样包含groupby（混合以下可选方式）：

但是你必须做一个groupby 4x，而不是1x，所以这不是一个真正令人满意的解决方案

我将进一步研究该语法，看看是否可以使它更接近您的示例（您可能希望提供示例数据以获得更好的答案）

或者，您可以使用标准的groupby技术来获得答案，但我认为这需要多条语句（不能只执行一条长链行）由于复杂性--您的一些分配可以与groupby的

agg

组合，但我认为用户功能无法组合。

使用pandas，您可以在groupby聚合中运行多个功能。请注意，您需要安装

scipy

的统计功能。对于自定义函数，需要为groupwise数据运行聚合，如

sum（）

：

def customfct(x,y):
    data = x / y
    return data.mean()

def f(row):  
    row['m_weight'] = row['weight'].mean()
    row['var_time'] = row['Time'].var()
    row['cov'] = row['weight'].cov(row['Time'])
    row['odd_stat'] = customfct(row['weight'], row['Time'])
    return row

aggdf = df.groupby('Diet').apply(f)

我在这里向您介绍如何将R代码翻译成python：

来自pipda导入寄存器的

>>\u func
>>>从数据R.所有输入f、长度、分组依据、汇总、平均值、var、cov
>>>从datar.dataset导入权重
>>> 
>>>@register_func（无）
... 定义自定义函数（col1、col2）：
...     返回长度（col1）+长度（col2）
... 
>>>鸡体重>>\
...     分组依据（膳食）>>\
...     总结(
…m_重量=平均值（f重量），
…var_time=var（f.time），
…covar=cov（f.重量，f.时间），
…奇数统计=自定义函数（f.重量，f.时间）
...     )
饮食m_体重变化时间covar奇数统计
0       1  102.645455  45.422397  312.189871       440
1       2  122.616667  45.909722  398.564426       240
2       3  142.950000  45.909722  528.827731       240
3       4  135.262712  45.100618  441.868535       236

---

我是这个包裹的作者。如果您有任何问题，请随时提交问题。

您可以检查项目是否令人印象深刻，但我想知道这样的事情在base-pandas中是否可行。您在说什么？链接有基本pandas方法。对于基本pandas，我的意思是如果这在pandas中是可能的，而不是必须在顶部添加一个包。另外，这个包有github吗？@akrun，如果你能将评论写到一个解决方案中，我会接受它作为问题的答案。你可以做

df.groupby（'diet'）。apply（lambda x:x.assign（…）

，并在1 groupby中获得你想要的东西。这就是说，使用apply once确实（而且似乎仍然）使操作变慢了。@VernepatorCur好的，谢谢，我稍后会尝试一下

df.assign( mean_weight = df['weight'].groupby(df.diet).transform('mean'),
           var_time    = lambda x: x['time'].groupby(x['diet']).transform('mean') )

def customfct(x,y):
    data = x / y
    return data.mean()

def f(row):  
    row['m_weight'] = row['weight'].mean()
    row['var_time'] = row['Time'].var()
    row['cov'] = row['weight'].cov(row['Time'])
    row['odd_stat'] = customfct(row['weight'], row['Time'])
    return row

aggdf = df.groupby('Diet').apply(f)