pandas groupby将相同的功能应用于多列

irene 发表于 Dev

艾琳

我有一个数据框，看起来像：

>>> 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

我想做执行其输入是一系列的自定义功能value1和value2：

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

该函数的编写方式是这样的，因为起初我只需要将其应用于value1如此df = df.groupby(['id,'month'])['value1'].apply(get_most_common)工作的单个列（）。现在，我必须将其同时应用于两列。

尝试次数：

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

转变

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

applymap 不起作用。

我在这里想念什么？

耶斯列尔

使用GroupBy.agg-它分别为每列运行功能：

df = df.groupby(['id','month'])['value1','value2'].agg(get_most_common)
print (df)
          value1  value2
id month                
1  1           1       9
   2           3      12
2  1           6      14
   2           7      15

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。