Pandas Dataframe groupby:在上应用几个lambda函数

Question

我将下面的dataframe按“name”分组，然后对“value”应用几个lambda函数来生成其他列。 有没有可能一次应用这些lambda函数来提高效率？你知道吗

import pandas as pd

df = pd.DataFrame({'name': ['A','A', 'B','B','B','B', 'C','C','C'], 
                   'value': [1, 3, 1, 2, 3, 1, 2, 3, 3], })

df['Diff'] = df.groupby('name')['value'].transform(lambda x: x - x.iloc[0])
df['Count'] = df.groupby('name')['value'].transform(lambda x: x.count())
df['Index'] = df.groupby('name')['value'].transform(lambda x: x.index - x.index[0] + 1)

print(df)

输出：

  name  value  Diff  Count  Index
0    A      1     0      2      1
1    A      3     2      2      2
2    B      1     0      4      1
3    B      2     1      4      2
4    B      3     2      4      3
5    B      1     0      4      4
6    C      2     0      3      1
7    C      3     1      3      2
8    C      3     1      3      3

Answer 1

这里可以将^{}与一个函数一起使用，但不确定性能是否更好：

def f(x):
    a = x - x.iloc[0]
    b = x.count()
    c = x.index - x.index[0] + 1
    return pd.DataFrame({'Diff':a, 'Count':b, 'Index':c})

df = df.join(df.groupby('name')['value'].apply(f))
print(df)

  name  value  Diff  Count  Index
0    A      1     0      2      1
1    A      3     2      2      2
2    B      1     0      4      1
3    B      2     1      4      2
4    B      3     2      4      3
5    B      1     0      4      4
6    C      2     0      3      1
7    C      3     1      3      2
8    C      3     1      3      3