我知道将函数作为组键传递每个索引值调用该函数一次,返回值用作组名。我无法弄清楚的是如何对列值调用函数。
所以我可以这样做:
people = pd.DataFrame(np.random.randn(5, 5),
columns=['a', 'b', 'c', 'd', 'e'],
index=['Joe', 'Steve', 'Wes', 'Jim', 'Travis'])
def GroupFunc(x):
if len(x) > 3:
return 'Group1'
else:
return 'Group2'
people.groupby(GroupFunc).sum()
这会将数据拆分为两组,其中一组的索引值长度为 3 或更小,另一组的索引值长度为 3 或更大。但是如何传递其中一个列值呢?例如,如果每个索引点的列 d 值大于 1。我意识到我可以做以下事情:
people.groupby(people.a > 1).sum()
但是我想知道如何在用户定义的函数中执行此操作以供将来参考。
像这样:
def GroupColFunc(x):
if x > 1:
return 'Group1'
else:
return 'Group2'
但是我怎么称呼它呢?我试过了
people.groupby(GroupColFunc(people.a))
和类似的变体,但这不起作用。
如何将列值传递给函数?例如,我将如何传递多个列值,以分组是 people.a> people.b?
要按> 1 分组,您可以定义如下函数:
>>> def GroupColFunc(df, ind, col):
... if df[col].loc[ind] > 1:
... return 'Group1'
... else:
... return 'Group2'
...
然后叫它像
>>> people.groupby(lambda x: GroupColFunc(people, x, 'a')).sum()
a b c d e
Group2 -2.384614 -0.762208 3.359299 -1.574938 -2.65963
或者您只能使用匿名函数来执行此操作:
>>> people.groupby(lambda x: 'Group1' if people['b'].loc[x] > people['a'].loc[x] else 'Group2').sum()
a b c d e
Group1 -3.280319 -0.007196 1.525356 0.324154 -1.002439
Group2 0.895705 -0.755012 1.833943 -1.899092 -1.657191
如文档中所述,您还可以通过传递 Series 进行分组,提供标签 -> 组名映射:
>>> mapping = np.where(people['b'] > people['a'], 'Group1', 'Group2')
>>> mapping
Joe Group2
Steve Group1
Wes Group2
Jim Group1
Travis Group1
dtype: string48
>>> people.groupby(mapping).sum()
a b c d e
Group1 -3.280319 -0.007196 1.525356 0.324154 -1.002439
Group2 0.895705 -0.755012 1.833943 -1.899092 -1.657191