Python Pandas Groupby聚合返回自定义输出（非一行）

我有一个以下格式的数据帧

| col1 | col2  | 
|  1   |  day1 |
|  1   |  day2 |
|  1   |  day3 |
|  2   |  day1 | 
|  2   |  day3 | 

我有一个非常定制的逻辑/函数，它在一个数据帧上为col1的一个值工作，我希望应用于所有值。这有点像群比。然而，我似乎没有正确地得到聚合部分，因为在我看来，它似乎只返回1个值（比如max/min/count/）。如果我的聚合函数返回一个dataframe并且有超过1行呢

例如，预期的输出可以是

| col1 | col2       | 
|  1   |  day1-day2 |
|  1   |  day2-day3 |
|  2   |  day1-day3 |

正如您所知，有两行是从group1生成的，一行是从group2生成的。聚合逻辑是每两个连续行串联一次，甚至更复杂。这有点像Spark/Hadoop中的map-reduce思想，但无法在小组中运行。聚合

更新：

人们通常使用groupby（）.agg（sum），它作为sum返回1行或1个数字。但是，我有一个函数，它返回的数据帧可以是0、1或多行，它确实减少了行数，但还没有像groupby（）.agg（func）那样折叠为1行，在groupby.agg中可以这样做吗

def func(xdf):
    res = []
    for i in range(len(xdf)-1):
        res.append(xdf.iloc[i] + '-' + xdf.iloc[i+1])
    return pd.DataFrame(res) # return a dataframe, not a number, not a row.

---

我想这会让你到达你想要的地方

数据：

按每列分组

gb = df.groupby(['col1', 'col2']).nth(0)

然后又是groupby和dropna's

gb.groupby(['col1']).shift(-1).dropna()

产生

col1    col2    col3
1     day1    day2 
1     day2    day3 
2     day1    day3 

---

您可以使用

groupby.apply

，而不是使用

groupby.agg

，像这样使用数据和函数

func

，您可以

print (df.groupby('col1').apply(func))
             col2
col1             
1    0  day1-day2
     1  day2-day3
2    0  day1-day3

为了获得预期的输出格式，还可以使用

reset\u index

print (df.groupby('col1').apply(func)
         .reset_index(level=0)
         .reset_index(drop=True))
   col1       col2
0     1  day1-day2
1     1  day2-day3
2     2  day1-day3

---

​但在您的实际情况中，您可能不需要它

在distributed tech Spark v/s a 1核心技术（如pandas）中有不同的方法来实现这一点。pandas needs

rolling

可能基于pyspark的

join

输出，这完全取决于所涉及的分区，因此我们需要一个更清晰的示例来说明您在这里尝试执行的操作：）友好的建议是尽可能缩小到最相关的mcve。@anky，我已经提供了示例输入，sampleout，您认为还有什么可以帮助澄清的（它被标记为熊猫问题）@B.Mr.W。如果通过

apply

更改

agg

，它将按预期工作。试试df.groupby（'col1'）['col2']）。apply（func）：）你只需要一些化妆品就可以让它看起来像你想要的want@Ben.T啊!！申请正是我在寻找的，如果你想发布一个样本答案，我会接受。谢谢Ben。同意@Ben.T apply在这里会很有用，这是一个很好的发现。这个问题更像是一个如何在一个组中返回多行的问题，我用了一个例子来说明这个想法，你的移位（-1）确实很好，但不是我想要的。那么多行是指像groupby和.nth（[0，1]）？为了说明这个想法，我对我的问题做了一些改进，func可以是任何定制的函数，坦率地说，结果可以是任何自由形式的数据帧。

print (df.groupby('col1').apply(func)
         .reset_index(level=0)
         .reset_index(drop=True))
   col1       col2
0     1  day1-day2
1     1  day2-day3
2     2  day1-day3