为不同的groupby对象熊猫实现不同的功能

UGuntupalli

经过研究，我发现了以下内容（将不同的功能应用于组对象中的不同项目：Python pandas）。也许这正是我想要的，但是我无法理解正在提出的答案。让我尝试用一个简单的例子来解释我想要什么：

import pandas as pd
import numpy as np

df = pd.DataFrame({'B': ['one', 'one', 'two', 'three',
                         'two', 'two', 'one', 'three'],
                   'C': np.random.randn(8),
                   'D': np.random.randn(8)})
grouped = df.groupby(['B'])

让我们说我们有一个从上面构建的简单数据集，看起来像这样：

       B         C         D
0    one -1.758565 -1.544788
1    one -0.309472  2.289912
2    two -1.885911  0.384215
3  three  0.444186  0.551217
4    two -0.502636  2.125921
5    two -2.247551 -0.188705
6    one -0.575756  1.473056
7  three  0.640316 -0.410318

将它们分组到“ B”列后，创建了3个组

现在，我如何在这些组上应用不同的功能，但仍将它们作为同一数据框的一部分。例如，如果我想检查元素是否在组1中<0.5，在组2中可被2整除，在组3中可被-ve整除。这些函数仅用于说明目的，我要强调的一点是它们应该不同自定义函数应该应用于每个组，但是结果应该是我们可以在一个数据框中看到的东西。任何建议表示赞赏。

戴维·埃里克森

您可以np.where用来定义所需的任何逻辑：

df['Flag'] = np.where((df['B'] == 'one') & (df['C'] < 0.5), True, False)
df['Flag'] = np.where((df['B'] == 'two') & (df['C'] >= 0.5), True, df['Flag'])
df['Flag'] = np.where((df['B'] == 'three') & (df['C'] < 0.5), True, df['Flag'])

Out[85]: 
       B         C         D   Flag
0    one -1.758565 -1.544788   True
1    one -0.309472  2.289912   True
2    two -1.885911  0.384215  False
3  three  0.444186  0.551217   True
4    two -0.502636  2.125921  False
5    two -2.247551 -0.188705  False
6    one -0.575756  1.473056   True
7  three  0.640316 -0.410318  False

从那里，假设您然后要对总数进行分组True：

df = df.groupby('B')['Flag'].sum().reset_index()

       B    Flag
0    one     3.0
1  three     1.0
2    two     0.0

要将其实现为可调整的自定义功能（每个注释），您可以执行以下操作：

def flag(one, two, three):
    df['Flag'] = np.where((df['B'] == 'one') & (one), True, False)
    df['Flag'] = np.where((df['B'] == 'two') & (two), True, df['Flag'])
    df['Flag'] = np.where((df['B'] == 'three') & (three), True, df['Flag'])


flag(one=df['C'] < 0.5, two=df['C'] >= 0.5, three=df['C'] < 0.5)
df

B         C         D   Flag
0    one -1.758565 -1.544788   True
1    one -0.309472  2.289912   True
2    two -1.885911  0.384215  False
3  three  0.444186  0.551217   True
4    two -0.502636  2.125921  False
5    two -2.247551 -0.188705  False
6    one -0.575756  1.473056   True
7  three  0.640316 -0.410318  False