向量化的方式来存储组名(从groupby)到原始DataFrame的新列?

Question

具有时间戳记列的DataFrame，由于groupby,pd.Grouper和for循环，我能够按周期分组行并跟踪原始DataFrame中的组标签。

例如，考虑以下DataFrame，周期为2小时:

import pandas as pd
df1 = pd.DataFrame({'humidity': [0.3, 0.8, 0.9],
'pressure': [1e5, 1.1e5, 0.95e5],
'location': ['Paris', 'Paris', 'Milan']},
index = [pd.Timestamp('2020/01/02 01:59:00'),
pd.Timestamp('2020/01/02 03:59:00'),
pd.Timestamp('2020/01/02 02:59:00')])
grps = df1.groupby(pd.Grouper(freq='2H', origin='start_day'))
for gr in grps:
df1.loc[gr[1].index,'grp'] = gr[0]

结果是:

df1
Out[23]: 
humidity  pressure location                 grp
2020-01-02 01:59:00       0.3  100000.0    Paris 2020-01-02 00:00:00
2020-01-02 03:59:00       0.8  110000.0    Paris 2020-01-02 02:00:00
2020-01-02 02:59:00       0.9   95000.0    Milan 2020-01-02 02:00:00

打算管理大型数据集，我想知道是否没有办法摆脱这个for循环?在groupby中是否有一个函数或参数来检索原始DataFrame，仅使用嵌入标签名称的新列?

谢谢你的帮助。最好,

Answer 1

使用GroupBy.transform作为任何列名:

grps = df1.groupby(pd.Grouper(freq='2H', origin='start_day'))
for gr in grps:
print (gr)
df1.loc[gr[1].index,'grp'] = gr[0]
df1['new'] = grps['humidity'].transform(lambda x: x.name)
print (df1)
humidity  pressure location                 grp  
2020-01-02 01:59:00       0.3  100000.0    Paris 2020-01-02 00:00:00   
2020-01-02 03:59:00       0.8  110000.0    Paris 2020-01-02 02:00:00   
2020-01-02 02:59:00       0.9   95000.0    Milan 2020-01-02 02:00:00   
new  
2020-01-02 01:59:00 2020-01-02 00:00:00  
2020-01-02 03:59:00 2020-01-02 02:00:00  
2020-01-02 02:59:00 2020-01-02 02:00:00