先进的聚集大熊猫蟒蛇

Question

如果我有一个简单的表格，如：

index location  col1 col2 col3 col4 
    1   a  TRUE yes  1  4 
    2   a FALSE null  2  6 
    3   b  TRUE null  6  3 
    4   b  TRUE  no  3  4 
    5   b FALSE yes  4  6 
    6   c  TRUE  no  57  8 
    7   d FALSE null  74  9 

如果我想聚集在位置重复的记录，即两个A或三个B的，我一直在使用一个基本groupby函数。这适用于简单的表格。

但是，是否可以扩展此功能，以便在聚合时允许每列的规则？作为col1的一个例子，如果TRUE存在，它会胜过任何FALSE值，或者在col3中，它会对这些值进行求和，而在col4中它会计算平均值？是否可以为每列定义这些规则，然后在使用groupby时应用它们？

我在网上搜索，但没有发现任何似乎覆盖这个，但我可能会吠叫错误的树。

谢谢。

Answer 1

使用groupby和agg

funcs = dict(
    col1=dict(Trump=lambda x: x.any()), 
    col3='sum', 
    col4=dict(Avg='mean') 
) 

df.groupby('location').agg(funcs) 

---

当与多个列groupby对象上使用agg，可以传递一个dict定义适用于哪一列，其功能。

在这个高级字典（funcs）中，键是应用在该值中定义的函数的现有列名称。

例如：

agg({'col1': lambda x: x.any(), 'col2': 'sum'}) 

说对col2上col1和sum使用any()。如果数据帧中不存在col1或col2，则会失败。

此外，我们不必使用来自此聚合的默认列名称。我将运行上面的小例子来说明。

df.groupby('location').agg({'col1': lambda x: x.any(), 'col3': 'sum'}) 

没有太多说明什么，我们已经做到了。如果我们将字典作为函数传递，我们可以根据需要描述函数，关键是描述，值是函数。我将使用相同的示例，但用更好的描述进行扩展。

df.groupby('location').agg(
    {'col1': {'All I need is one True': lambda x: x.any()}, 
    'col3': {'SUMMATION': 'sum'}}) 

武装与信息，希望我的解决方案是非常合情合理的。