我正在尋找一種在列上應用不同的 Pandas groupby 函式（如“mean”、“min”或“max”）的方法，具體取決于它們的名稱的開頭。
我目前進行的方式描述如下：
- 動態創建以 X、Y 或 ... 開頭的列串列
- 動態創建函式串列以應用于每組列
- 將列串列及其相應函式合并到字典中
- 將字典合并到“agg”函式中：
data = np.random.randint(0, 5, (4, 10))
cols = [f"X{i}" if i % 2 == 0 else f"Y{i}" for i in range(10)]
df = pd.DataFrame(data=data, columns=cols)
df["group"] = ["A", "A", "B", "B"]
print(df)
'''
X0 Y1 X2 Y3 X4 Y5 X6 Y7 X8 Y9 group
0 2 2 1 2 0 4 2 3 0 3 A
1 0 2 1 0 4 2 3 4 4 3 A
2 4 0 1 3 1 3 0 1 2 4 B
3 0 2 1 2 4 0 0 0 4 0 B
'''
col_list_1 = df.filter(like="X").columns
col_list_2 = df.filter(like="Y").columns
list_of_functions_1 = ["mean" for i in range(len(col_list_1))]
list_of_functions_2 = ["min" for i in range(len(col_list_2))]
dict_1 = dict(zip(col_list_1, list_of_functions_1))
dict_2 = dict(zip(col_list_2, list_of_functions_2))
print(df.groupby("group").agg(dict_1 | dict_2))
'''
X0 X2 X4 X6 X8 Y1 Y3 Y5 Y7 Y9
group
A 1.0 1.0 2.0 2.5 2.0 2 0 2 3 3
B 2.0 1.0 2.5 0.0 3.0 0 2 0 0 0
'''
有沒有更“Pythonic”的方式來做到這一點？也許是這樣的：
df.groupby("group").agg({col_list_1: "mean",
col_list_2: "min"})
謝謝，
皮埃爾-路易
uj5u.com熱心網友回復：
老實說，你這樣做的方式非常pythonic。如果你想壓縮和自動化它，你可以用嵌套的字典理解來做到這一點：
functions_map = {"X": "mean",
"Y": "min"}
df.groupby("group")\
.agg({variable: stat for prefix, stat in functions_map.items() \
for variable in df.filter(like=prefix).columns })
'''
X0 X2 X4 X6 X8 Y1 Y3 Y5 Y7 Y9
group
A 1.0 1.0 2.0 2.5 2.0 2 0 2 3 3
B 2.0 1.0 2.5 0.0 3.0 0 2 0 0 0
'''
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/408924.html
標籤：
上一篇：如何在R編程中為具有此給定資料的變數的資料框繪制餅圖和條形圖？
下一篇：相對于groupby移動值