pandas groupby将相同的功能应用于多列

问题描述 投票:2回答:1

我有一个看起来像这样的数据框:

>>> df = pd.DataFrame({'id':[1,1,1,1,1,2,2,2],'month':[1,1,2,2,2,1,2,2],'value1':[1,1,3,3,5,6,7,7], 'value2': [9,10,11,12,12,14,15,15], 'others': range(8)})
>>> df

   id  month  value1  value2  others
0   1      1       1       9       0
1   1      1       1      10       1
2   1      2       3      11       2
3   1      2       3      12       3
4   1      2       5      12       4
5   2      1       6      14       5
6   2      2       7      15       6
7   2      2       7      15       7

我想执行一个自定义功能,其输入是在value1value2上的序列:

def get_most_common(srs):
    """
    Returns the most common value in a list. For ties, it returns whatever
    value collections.Counter.most_common(1) gives.
    """
    from collections import Counter

    x = list(srs)
    my_counter = Counter(x)
    most_common_value = my_counter.most_common(1)[0][0]

    return most_common_value

预期结果:

               value1    value2
   id  month   
   1      1       1       9
          2       3      12
   2      1       6      14
          2       7      15

函数之所以这样编写,是因为最初我只需要将其应用于单个列(value1),因此df = df.groupby(['id,'month'])['value1'].apply(get_most_common)可以正常工作。现在,我必须将其同时应用于两列。

尝试:

  1. 应用

df = df.groupby(['id,'month'])[['value1','value2']].apply(get_most_common)给:

id  month
1   1        value1
    2        value1
2   1        value1
    2        value1
  1. 转换

df = df.groupby(['id,'month'])[['value1','value2']].transform(get_most_common)

给这个

   value1  value2
0       1       9
1       1       9
2       3      12
3       3      12
4       3      12
5       6      14
6       7      15
7       7      15
  1. applymap不起作用。

我在这里想念什么?

python pandas
1个回答
1
投票

使用GroupBy.agg-分别为每列运行功能:

GroupBy.agg

推荐问答