从pandas groupby返回聚合的dataframe

Question

我正在努力理解Pandas的groupby方法。我想写一个函数，做一些聚合操作，然后返回一个Pandas的DataFrame。这里有一个非常简单的例子，使用了sum()函数。我知道对于简单的求和，有更简单的方法，但在实际应用中，我的函数要复杂得多：

import pandas as pd
df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B'], 'col2':[1.0, 2, 3, 4]})

In [3]: df
Out[3]: 
  col1  col2
0    A     1
1    A     2
2    B     3
3    B     4

def func2(df):
    dfout = pd.DataFrame({ 'col1' : df['col1'].unique() ,
                           'someData': sum(df['col2']) })
    return  dfout

t = df.groupby('col1').apply(func2)

In [6]: t
Out[6]: 
       col1  someData
col1                 
A    0    A         3
B    0    B         7

我没想到会在结果中看到两次col1，也没想到会出现那个神秘的索引。我真的以为我只会得到col1和someData。

在我的实际应用中，我是按多个列进行分组的，真的希望能得到一个DataFrame，而不是一个Series对象。
有没有什么解决方案或者对我上面例子的解释？

----- 添加的信息 -----

我觉得我应该先从这个例子开始：

In [13]: import pandas as pd

In [14]: df = pd.DataFrame({'col1':['A','A','A','B','B','B'], 'col2':['C','D','D','D','C','C'], 'col3':[.1,.2,.4,.6,.8,1]})

In [15]: df
Out[15]: 
  col1 col2  col3
0    A    C   0.1
1    A    D   0.2
2    A    D   0.4
3    B    D   0.6
4    B    C   0.8
5    B    C   1.0

In [16]: def func3(df):
   ....:         dfout =  sum(df['col3']**2)
   ....:         return  dfout
   ....: 

In [17]: t = df.groupby(['col1', 'col2']).apply(func3)

In [18]: t
Out[18]: 
col1  col2
A     C       0.01
      D       0.20
B     C       1.64
      D       0.36

在上面的例子中，apply()函数的结果是一个Pandas的Series。而且它缺少了来自df.groupby的分组列。我现在面临的主要问题是，如何创建一个函数，应用于groupby后，既能返回函数的结果，又能返回用于分组的列？

----- 又一个更新 ------

看起来如果我这样做：

 pd.DataFrame(t).reset_index()

我得到了一个非常接近我想要的DataFrame。

Answer 1

你看到的那些0的列是因为.unique()的输出是一个数组。

想要理解你的apply是怎么工作的，最好的办法是逐个检查每个动作，按组来看：

In [11] :g = df.groupby('col1')

In [12]: g.get_group('A')
Out[12]: 
  col1  col2
0    A     1
1    A     2

In [13]: g.get_group('A')['col1'].unique()
Out[13]: array([A], dtype=object)

In [14]: sum(g.get_group('A')['col2'])
Out[14]: 3.0

大多数情况下，你希望这个是一个聚合的值。

grouped.apply的输出总是会把组标签作为索引（也就是'col1'的唯一值），所以你构建col1的方式对我来说有点难以理解。

注意：如果想把'col1'（索引）变回一列，你可以使用reset_index，在这种情况下。

In [15]: g.sum().reset_index()
Out[15]: 
  col1  col2
0    A     3
1    B     7