numpy Pandas groupby自定义函数到每个系列

mklgxw1f 于 12个月前发布在其他

关注(0)|答案(1)|浏览(86)

我很难将自定义函数应用于Pandas中的每一组groupby列
我的自定义函数接受一系列数字，并接受连续对的差异，并返回所有差异的平均值。下面是代码：

def mean_gap(a):
    b = []
    for i in range(0, len(a)-1):
        b.append((a[i+1]-a[i]))
    return np.mean(b)

字符串
如果a = [1,3,7]，mean_gap(a)会给予((3-1)+(7-3))/2) = 3.0

Dataframe:
   one two
    a  1
    a  3
    a  7
    b  8
    b  9

型
预期结果：

Dataframe:
       one two
        a  3
        b  1

型
df.groupby(['one'])['two'].???个
我是pandas的新手。我读到groupby一次接受每行的值，而不是完整的序列。所以我不能在groupby之后使用lambda。

numpy

来源：https://stackoverflow.com/questions/44348426/pandas-groupby-custom-function-to-each-series

1条答案

按热度按时间

q9rjltbz1#

使用自定义函数，您可以：

df.groupby('one')['two'].agg(lambda x: x.diff().mean())
one
a    3
b    1
Name: two, dtype: int64

字符串
并重置索引：

df.groupby('one')['two'].agg(lambda x: x.diff().mean()).reset_index(name='two')

    one  two
0   a    3
1   b    1

型
另一种办法是：

df.groupby('one')['two'].diff().groupby(df['one']).mean()
one
a    3.0
b    1.0
Name: two, dtype: float64

型
您的方法也适用于以下情况：

def mean_gap(a):
    b = []
    a = np.asarray(a)
    for i in range(0, len(a)-1):
        b.append((a[i+1]-a[i]))
    return np.mean(b) 

df.groupby('one')['two'].agg(mean_gap)
one
a    3
b    1
Name: two, dtype: int64

型
a = np.asarray(a)是必要的，因为否则您将在b.append((a[i+1]-a[i]))中获得KeyErrors。

赞(0）回复(0）举报 12个月前

我来回答

numpy Pandas groupby自定义函数到每个系列

1条答案

相关问题

热门标签

最新问答