Pandas中的自定义聚合表达式

Question

我正在尝试进行自定义聚合（以及其他几个标准聚合）

大概是这样的：

df = pd.DataFrame(
    [["red", 1, 10], ["red", 2, 20], ["green", 5, 15]],
    columns=["color", "x", "y"]
) 

df2 = (
    df
    .groupby(["color"])
    .agg(amt1=("x", "sum"),
         amt2=("x", "mean"),      
         amt3=("y", "sum"),
         # this does not work...
         amt4= (0.9 * (x.sum() - y.mean()) / x.max()) + 1
        )
)

df2

谢谢你的帮助

Answer 1

我认为不可能直接在agg的自定义函数中使用两列，这里有两种选择。要么对这个特定的自定义函数使用apply，要么对其他函数使用concat，要么使用基于索引的选择

# option 1
gr = df.groupby(["color"])
df2 = pd.concat([gr.agg(amt1=("x", "sum"), amt2=("x", "mean"), amt3=("y", "sum")), 
                 gr.apply(lambda dfg: (0.9 * (dfg.x.sum() - df.y.mean()) 
                                      / dfg.x.max()) + 1)
                   .rename('amt4')],
                axis=1 )

# option 2
df2 = (df.groupby(["color"])
         .aggregate(amt1=("x", "sum"), amt2=("x", "mean"), amt3=("y", "sum"),
                    amt4= ('x', lambda x: (0.9 * (x.sum() - df.loc[x.index, 'y'].mean()) 
                                          / x.max()) + 1))
      )

只要索引在df中是唯一的，这两种方法都会给出相同的结果

要在新版本中使用选项2，需要正则函数bug description

def named_lambda(x):
     return (0.9 * (x.sum() - df.loc[x.index, 'y'].mean()) / x.max()) + 1

df2 = (df.groupby(["color"])
         .aggregate(amt1=("x", "sum"), amt2=("x", "mean"), amt3=("y", "sum"),
                    amt4= ('x', named_lambda))
)