具有多级别列的聚合组

我有一个分组的DataFrame，我想与应该映射到某些列的函数字典进行聚合。对于单层列，这是直接与groups.agg({'colname': <function>})。然而，我正在努力使这个工作与多级别的列，我只想参考一个单一的水平。具有多级别列的聚合组

这里是一个例子。

让我们做一些样本数据：

import itertools 
import pandas as pd 

lev1 = ['foo', 'bar', 'baz'] 
lev2 = list('abc') 

n = 6 

df = pd.DataFrame({k: np.random.randn(n) for k in itertools.product(lev1,lev2)}, 
        index=pd.DatetimeIndex(start='2015-01-01', periods=n, freq='11D'))

这看起来像：

   bar    baz    foo    
       a  b  c  a  b  c  a  b  c 
2015-01-01 -1.11 2.12 -1.00 0.18 0.14 1.24 0.73 0.06 3.66 
2015-01-12 -1.43 0.75 0.38 0.04 -0.33 -0.42 1.00 -1.63 -1.35 
2015-01-23 0.01 -1.70 -1.39 0.59 -1.10 -1.17 -1.51 -0.54 -1.11 
2015-02-03 0.93 0.70 -0.12 1.07 -0.97 -0.45 -0.19 0.11 -0.79 
2015-02-14 0.30 0.49 0.60 -0.28 -0.38 1.11 0.15 0.78 -0.58 
2015-02-25 -0.26 0.51 0.82 0.05 -1.45 0.14 0.53 -0.33 -1.35

和分组的一个月：

groups = df.groupby(pd.TimeGrouper('MS'))

定义基于顶层部分功能在列中：

funcs = {'bar': np.sum, 'baz': np.mean, 'foo': np.min}

但是，做groups.agg(funcs)会产生一个KeyError，因为它需要每个级别的密钥，这是有道理的。

这并不工作，例如：

groups.agg({('bar', 'a'): np.mean}) 

       bar 
        a 
2015-01-01 -0.845554 
2015-02-01 0.324897

但我不希望指定在第二层的每个关键。所以我在寻找一些会的工作，如：

groups.agg({('bar', slice(None)): np.mean})

但因为slice不是可哈希不，当然工作，因此不能被放置在一本字典。

一种解决方法是：

def multifunc(group): 

    func = funcs[group.name[0]]   
    return func(group) 

groups.agg(multifunc)

但是，这不是很可读，也不显得“Pandonic”给我。它也不允许与agg功能在同一列上具有多种功能。必须有更好的/标准的方式来执行这样的任务，它不是非常罕见的。

来源

2015-03-03 Rutger Kassies

我开了一个问题来讨论，如果我们想使这更容易：HTTPS： //github.com/pydata/pandas/issues/9585但是，我不确定什么是最好的界面。我想'{'bar'：np.sum，'baz'：np.mean，'foo'：np.min}'可以工作吗？欢迎随时加入！ – joris 2015-03-04 09:27:11

谢谢Joris！有关这方面的讨论肯定会很有趣。 Unutbu表明，总是有解决方法。但这意味着从Pandas界面退后一步，简单的界面是Pandas如此惊人的合作的很大一部分。 – 2015-03-04 09:57:34

我不认为这是一个捷径。幸运的是，这是不是太硬，明确构建所需的字典：

result = groups.agg(
    {(k1, k2): funcs[k1] for k1, k2 in itertools.product(lev1,lev2)})

import itertools 
import numpy as np 
import pandas as pd 

lev1 = ['foo', 'bar', 'baz'] 
lev2 = list('abc') 

n = 6 

df = pd.DataFrame(
    {k: np.random.randn(n) for k in itertools.product(lev1,lev2)}, 
    index=pd.DatetimeIndex(start='2015-01-01', periods=n, freq='11D')) 
groups = df.groupby(pd.TimeGrouper('MS')) 
funcs = {'bar': np.sum, 'baz': np.mean, 'foo': np.min} 
result = groups.agg(
    {(k1, k2): funcs[k1] for k1, k2 in itertools.product(lev1,lev2)}) 
result = result.sortlevel(axis=1) 
print(result)

产生

    bar       baz      \ 
        a   b   c   a   b   c 
2015-01-01 -2.144890 1.075044 1.038169 -0.460649 -0.309966 -0.211147 
2015-02-01 1.313744 0.247171 1.049129 -0.174827 -0.437982 -0.196427 

       foo      
        a   b   c 
2015-01-01 -1.358973 -1.846916 -0.896234 
2015-02-01 -1.354953 -0.699607 0.288214

来源

2015-03-03 18:12:13 unutbu

具有多级别列的聚合组

回答

相关问题