Pandas:如何在lambda公式中使用(df.groupby)
Pandas是一个流行的Python数据分析库，它提供了高性能、易用的数据结构和数据分析工具。在lambda公式中使用df.groupby方法可以实现按照指定的列或多列对数据进行分组，进而进行聚合、转换等操作。
具体使用方法如下：
- 首先，需要导入pandas库并创建一个DataFrame对象，可以通过读取文件、数据库查询等方式获得数据。
import pandas as pd
# 创建DataFrame对象
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
'C': [1, 2, 3, 4, 5, 6, 7, 8],
'D': [10, 20, 30, 40, 50, 60, 70, 80]})- 使用df.groupby方法按照指定的列进行分组，可以选择单个列或多个列作为分组依据。
# 按照列'A'进行分组
grouped = df.groupby('A')
# 按照多个列进行分组
grouped = df.groupby(['A', 'B'])- 可以使用聚合函数对分组后的数据进行聚合操作，如求和、计数、平均值等。
# 对分组后的数据求和
sum_result = grouped.sum()
# 对分组后的数据计数
count_result = grouped.count()
# 对分组后的数据求平均值
mean_result = grouped.mean()- 除了使用内置的聚合函数，还可以自定义lambda公式对分组后的数据进行处理。
# 自定义lambda公式
custom_result = grouped.agg(lambda x: x.max() - x.min())在使用Pandas的lambda公式中，可以使用df.groupby方法进行数据分组，然后使用内置的聚合函数或自定义的lambda公式进行聚合操作。通过灵活运用这些功能，可以便捷地完成数据的分组、聚合和转换等操作。
更多关于Pandas的信息和使用方法，可以参考腾讯云的相关产品和产品介绍链接地址：腾讯云Pandas相关产品和产品介绍链接地址。
相关·内容
我如何在pandas中计算groupby的绝对和？
例如，给定DataFrame：
Player Score
0 A 100
1 B -150
2 A -110
3 B 180
4 B 125
我想要球员A的总分(100+110=210)以及球员A的总分(150+180+125=455)，忽略分数的符号。
我可以使用以下代码来计算总和：
import pandas as pd
import numpy as np
frame = pd.DataFrame({'Player' : ['
浏览 11提问于2017-07-31得票数 10
回答已采纳
2回答
假设我在Pandas dataframe中有如下数据：
我希望找到以下的描述性统计数据(平均值、中位数、标准开发)：
每个队列的唯一用户
每个用户每组的注释
每组评语
因此，对于输出，我希望看到：
每个队列-> {a:3}，{b:2}，.然后找到该系列的描述性统计数据。
-> {(a，alex):2}，{(b，alex):0}，{(a，beth):1}，{(b，beth)：3}.
每个队列-> {a:5}，{b:6}.
我正在使用Pandas，我完全被困在如何做这么简单的事情上。我正在考虑使用.groupby()，但这并没有给
浏览 5提问于2016-05-10得票数 1
回答已采纳
1回答
在pandas中执行分组和聚合是简单而快速的。但是，执行pandas已经在C中构建的、没有聚合的简单groupby应用函数(至少以我的方式)要慢得多，因为有了lambda函数。
# Form data
>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame(np.random.random((100,3)),columns=['a','b','c'])
>>> df['g'] =
浏览 5提问于2020-06-03得票数 2
回答已采纳
我正在使用Pandas分析调查数据，并有以下原始数据 Dept | Q3 | Q4 |
-----| ---- |---- |
HR | Yes | Yes |
IT | No | Yes |
HR | No | Yes |
HR | Yes | Yes |
IT | No | Yes |
IT | Yes | Yes | 我正在尝试按部门和Q3进行分组，并获得所有肯定回答的计数和该问题中肯定回答的总数和百分比。像这样的东西 Dept | Q3 - Yes | Total | %
-----| ----------| ----- | --
浏览 54提问于2021-02-22得票数 0
回答已采纳
2回答
我有一张数据文件，看起来像：
import pandas as pd
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',\
'foo', 'bar', 'foo', 'foo'],'C' :[1,1,2,2,3,4,5,6],'D',[11,11,12,12,13,14,15,16]})
我想过滤这个数据，只保留A
浏览 3提问于2017-09-30得票数 1
回答已采纳
我试图在Pandas数据框架上执行groupby，但是对于日期类型来说它非常慢。在本例中，我认为date组的运行时运行时间比int长10倍，尽管没有对数据执行任何操作。
import datetime as dt
import pandas as pd
d = dt.datetime(year=2019, month=1, day=1)
dates = [d for x in range(1,1500000)]
ints = [1 for x in range(1,1500000)]
df = pd.DataFrame({'date': dates, 'int'
浏览 0提问于2019-07-31得票数 2
回答已采纳
假设我有以下数据集：
import pandas as pd
import numpy as np
df = pd.read_csv("https://raw.github.com/pandas-dev/pandas/master/pandas/tests/data/tips.csv")
df["tip_fcst"] = np.random.uniform(low=0, high=0.40, size=len(df))
df["tip_fcst"] = df.tip_fcst * df.total_bill
df.head(5)
to
浏览 2提问于2017-02-24得票数 5
回答已采纳
1回答
为了将Pandas中的groupby“连接”几行到一个列表，我可以这样做：
df = pd.DataFrame({'A': [1,1,2,2,2,2,3],'B':['a','b','c','d','e','f','g']})
df = df.groupby('A')['B'].apply(list)
我会得到：
A
-------------------
1 [a, b]
2 [c, d, e
浏览 0提问于2016-11-01得票数 3
回答已采纳
我正试着用分组的方式来确定约会的平均日期。
import pandas as pd
df = pd.DataFrame({'Id': ['A', 'A', 'B', 'B'],
'Date': [pd.datetime(2000, 12, 31), pd.datetime(2002, 12, 31),
pd.datetime(2000, 6, 30), pd.datetime(2002, 6, 30)]}
浏览 2提问于2020-01-06得票数 1
回答已采纳
1回答
我有这个数据。
from pandas import DataFrame
import pandas as pd
df = pd.DataFrame({'name': ['A','D','M','T','B','C','D','E','A','L'],
'id': [1,1,1,2,2,3,3,3,3,5],
'ra
浏览 0提问于2019-12-05得票数 3
回答已采纳
4回答
我有两个列的dataframe，一个是组，另一个是向量嵌入。数据已经是这样了，所以我不想争论嵌入列。嵌入列都共享相同的维度数。
基本上，我想计算每个组的平均嵌入量。平均而言，我的意思是轴心水平平均。因此，1,2和4,8的平均值为2.5,5。
import pandas as pd
import numpy as np
df = pd.DataFrame({"group":["a","a","b","b"],"embedding":[[0,1],[1,0],[0,0],[1,1]]})
df[
浏览 6提问于2021-07-02得票数 1
回答已采纳
1回答
运行此程序时：
import pandas as pd
df = pd.DataFrame(dict(x=[1, 1, 2, 2, 3, 3], group=["a", "a", "a", "a", "b", "b"]))
df.groupby(["group"]).agg({
"x": [pd.Series.mode, "sum"]
})
返回此错误：
ValueError Tr
浏览 9提问于2022-08-31得票数 0
回答已采纳
我已经使用pandas实现了两个数据帧之间的模糊字符串匹配算法。我的问题是如何将其转换为使用多核的dask操作？我的程序在纯python上运行大约3-4天，我想并行操作以优化时间成本。我已经使用多处理包通过以下代码提取了内核数量：
numCores = multiprocessing.cpu_count()
fields = ['id','phase','new']
emb = pd.read_csv('my_csv.csv', skipinitialspace=True, usecols=fields)
然后，我必须根据每个字
浏览 3提问于2018-05-19得票数 0
1回答
我的数据集如下所示。我正在尝试对我的pandas数据进行子集，这样只有所有3个人的响应才会被选中。例如，在下面的数据框架中，所有三个人的回答都是“我喜欢吃”和“祝你一天愉快”。因此，只有这些应该被细分。我不知道如何在Pandas dataframe中实现这一点。
注意:我是Python新手，请用您的代码提供说明。
DataFrame示例
import pandas as pd
data = {'Person':['1', '1','1','2','2','2','2'
浏览 0提问于2019-05-04得票数 1
回答已采纳
我有一个有7列的表，每隔几行，就有6列保持不变，只有7列变化。我想将所有这些行合并成一行，并将第7列的值合并到一个列表中。
所以如果我有这个数据
A B C
0 a 1 2
1 b 3 4
2 c 5 6
3 c 7 6
我想将其转化为：
A B C
0 a 1 2
1 b 3 4
2 c [5, 7] 6
因为A和C列的值在第2行和第3行是相同的，所以它们会折叠成一行，B的值将合并成一个列表。
熔化，爆炸和枢轴似乎没有这样的功能。如何使用Pandas来实现这一点？
浏览 0提问于2020-02-27得票数 3
回答已采纳
让df成为我们来自Pandas的测试数据：
import pandas as pd
import numpy as np
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'],
'B' : ['one', 'one', 'two', '
浏览 1提问于2017-03-03得票数 2
回答已采纳
假设我有以下数据： import pandas as pd
boxes = {'Color': ['Green','Green','Green','Blue','Blue','Red','Red','Red'],
'Shape': ['Rectangle','Rectangle','Square','Rectangle','Square'
浏览 25提问于2020-06-18得票数 0
回答已采纳
我想了解熊猫使用category背后的微妙之处。
我创建了一个随机的三列DataFrame，通过
import pandas as pd
import numpy as np
a = np.random.choice(['a', 'A'], size=100000)
b = np.random.choice(range(10000), size=100000)
df = pd.DataFrame(data=dict(A1=a, A2=a, B=b))
df['A2'] = df.A2.astype('category')
处理
浏览 0提问于2016-07-21得票数 1
因此，我有一个包含3列名称的pandas数据帧。看起来像这样：
+-------------+-------------+-------------+
| NameColumn1 | NameColumn2 | NameColumn3 |
+-------------+-------------+-------------+
| Name1 | Name2 | Name3 |
| Name1 | Name2 | Name6 |
| Name1 | Name2 | Name8 |
| Na
浏览 0提问于2017-04-04得票数 0
我经常希望通过组合成组的DataFrame的多个列来创建一个新的DataFrame。apply()函数允许我这样做，但它要求我创建一个不需要的索引：
In [359]: df = pandas.DataFrame({'x': 3 * ['a'] + 2 * ['b'], 'y': np.random.normal(size=5), 'z': np.random.normal(size=5)})
In [360]: df
Out[360]:
x y z
0 a
浏览 3提问于2012-09-14得票数 10
回答已采纳
我目前正在使用Pandas与csv源文件约600‘m的项目。在分析过程中，我正在将csv中的内容读入一个dataframe，对某个列进行分组，并将一个简单的函数应用于分组数据。我注意到在这个过程中我要进入交换内存，所以进行了一个基本测试：
我首先在shell中创建了一个相当大的数据帧：
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(3000000, 3),index=range(3000000),columns=['a', 'b', 'c'])
我
浏览 1提问于2014-08-05得票数 10
回答已采纳
1回答
对于df
id Date ITEM_ID TYPE GROUP
0 13710750 2019-07-01 SLM607 O X
1 13710760 2019-07-01 SLM607 O M
2 13710770 2019-07-03 SLM607 O I
3 13710780 2019-09-03 SLM607 O N
4 13667449 2019-08-02 887643 O I
5 13667450
浏览 1提问于2020-09-08得票数 0
回答已采纳
我经常有MultiIndex索引，我喜欢在更高级别的索引相等的组中迭代。它基本上看起来像是
from random import choice
import pandas as pd
N = 100
df = pd.DataFrame([choice([1, 2, 3]) for _ in range(N)],
columns=["A"],
index=pd.MultiIndex.from_tuples([(choice("ab"), choice("cd"), choice
浏览 2提问于2015-12-08得票数 8
2回答
如何将数据集与熊猫群相结合
、、、、
我有一个dataframe df和一个列df['table']，这样df['table']中的每一项都是具有相同标题/列数的另一个数据same。我想知道是否有办法像这样做groupby：
原始数据：
name table
Bob Pandas df1
Joe Pandas df2
Bob Pandas df3
Bob Pandas df4
Emily Pandas df5
在小组讨论之后：
name table
Bob Pandas df containing the appended df1, df3,
浏览 0提问于2020-10-07得票数 7
回答已采纳
这是我的密码：
import pandas as pd
df=pd.read_csv('C:\\Users\\HP\\OneDrive\\Documents\\final_annotations.csv')
p=df.groupby(['img_name'])
print(p)
我得到了这样的输出--我没有得到桌子：
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x0000028A9E35DB70>
浏览 2提问于2022-08-29得票数 0
以下代码： import numpy as np
import pandas as pd
data=[['A', 1,2 ,5, 'blue'],
['A', 5,5,6, 'blue'],
['A', 4,6,7, 'blue']
,['B', 6,5,4,'yellow'],
['B',9,9,3, 'blue'],
['B', 7,
浏览 22提问于2021-06-24得票数 0
2回答
大熊猫与群居一起翻滚
、、、、
我很难让Pandas的rolling函数做我想做的事情。我希望每个皱眉计算到目前为止在小组内的最大值。下面是一个示例：
df = pd.DataFrame([[1,3], [1,6], [1,3], [2,2], [2,1]], columns=['id', 'value'])
看起来像
id value
0 1 3
1 1 6
2 1 3
3 2 2
4 2 1
现在，我希望获得以下DataFrame：
id value
0 1 3
1 1 6
2
浏览 7提问于2017-05-07得票数 8
回答已采纳
我想从Pandas组的操作结果中计算出独特的组。例如，这里有一个数据框架示例。
In [98]: df = pd.DataFrame({'A': [1,2,3,1,2,3], 'B': [10,10,11,10,10,15]})
In [99]: df.groupby('A').groups
Out[99]: {1: [0, 3], 2: [1, 4], 3: [2, 5]}
概念组是{1: [10,
浏览 9提问于2014-03-10得票数 1
回答已采纳
1回答
对于下面的dataframe (df)，我正在执行foll操作：
import pandas as pd
def fun(group):
if(group.A.min() > 0.0):
# discard the group
return
else:
return group
df.groupby('cokey').apply(fun)
cokey A B
11168155 0 18
11168155 18 56
11168155 56 96
11168155
浏览 1提问于2015-04-06得票数 1
回答已采纳
4回答
示例 import pandas as pd
import numpy as np
d = {'l': ['left', 'right', 'left', 'right', 'left', 'right'],
'r': ['right', 'left', 'right', 'left', 'right', 'left'],
'v':
浏览 37提问于2017-03-14得票数 13
回答已采纳
使用Pandas，我想要"groupby“并计算我的Dataframe的每一组的平均值。我这样做：
dict = {
"group": ["A", "B", "C", "A", "A", "B", "B", "C", "A"],
"value": [5, 6, 8, 7, 3, 9, 4, 6, 5]
}
import pandas as pd
df = pd.DataFrame(dict)
pr
浏览 4提问于2021-05-07得票数 2
回答已采纳
我不知道该怎么称呼这个。
假设以下Pandas DataFrame：
Student ID Class
1 John 99124 Biology
2 John 99124 History
3 John 99124 Geometry
4 Sarah 74323 Physics
5 Sarah 74323 Geography
6 Sarah 74323 Algebra
7 Alex 80045 Trigonometry
8 Alex 80045 Economics
9
浏览 0提问于2019-08-02得票数 4
回答已采纳
在需要更改输入参数的函数中，使用groupby_object.agg()方法存在问题。是否有可用的函数名.agg()接受的资源，以及如何将参数传递给它们？
见下面的例子：
import pandas as pd
import numpy as np
df = pd.DataFrame({'numbers': [1, 2, 3, 2, 1, 3],
'colors': ['red', 'white', 'blue', 'red', 'white', n
浏览 5提问于2021-02-05得票数 2
回答已采纳
我有一个Python pandas数据帧，看起来像这样：
Company Industry. Review
google tech google is an excellent place to work
google tech upper management
google tech innovative
verizon comm good benefits
verizon comm open door policy
gucci fashion good pay
gucci fashion
浏览 22提问于2021-02-19得票数 0
回答已采纳
我正在尝试用多个索引向Pandas GroupBy DataFrame添加一列。列是分组后公用键的最大值和平均值之间的差额。
以下是输入的DataFrame：
Main Reads Test Subgroup
0 1 5 54 1
1 2 2 55 1
2 1 10 56 2
3 2 20 57 3
4 1 7 58 3
以下是代码：
import numpy as np
import p
浏览 6提问于2017-05-16得票数 1
回答已采纳
标准化是为整个colum完成的，但是我们如何在Pandas Dataframe中进行基于类别的规范化。
例如，给定的数据具有ID、Std、高度。ID是标识学生的唯一号码。性病是类别，PreK ,1,2，..so自己。如果我们标准化高度，它将是不可知的Std列。它将考虑最小和最大的完整的高度列。
相反，我们怎么能有标准的高度值，其中最小和最大分别取每个Std。
浏览 2提问于2020-02-29得票数 0
回答已采纳
1回答
我在Pandas中执行groupby来组合数据，但是我希望只在列中包含唯一的元素。
我目前正在运行：
df.groupby(['Col1','Col2'])['Grade'].transform(lambda x: ','.join(x))
这将产生以下结果：
Col1 Col2 Grade
1 1 A-,A-,B+
1 2 A,B,B-,B-
2 1 B,C,C,D
...
如何仅在grade列的唯一元素上执行联接，以便我的输出如下所示：
Col1 Col2
浏览 1提问于2020-05-29得票数 0
回答已采纳
我觉得这是一个简单的问题，但我并不经常使用熊猫。假设我有一个这样的数据帧： d = {'repeat': [23, 25,23], 'unique': [1,2,3]}
df = pd.DataFrame(data=d) 如何使用pandas内置函数获取以下形式的数据帧： grouped = {'unique': [[1,3],[2]], 'repeat': [23,25]}
dg =pd.DataFrame(data=grouped) df -- pandas内置操作--> dg？ 谢谢
浏览 5提问于2020-11-04得票数 2
回答已采纳
原始数据文件：
from pandas import Series, DataFrame
import pandas as pd
%pylab inline
df=pd.read_csv('NYC_Restaurants.csv', dtype=unicode)
我使用掩码隔离所需的行(列中只发生一次的行)。
mask = df['DBA'].value_counts()[df['DBA'].value_counts() == 1]
产生预期的结果。
但是，使用df[mask]会产生一个奇怪的数据格式，第一列多次重复；相反，只返回只包
浏览 4提问于2016-07-24得票数 0
回答已采纳
使用Pandas数据帧，有没有一种方法可以扁平化groupby操作的结果，而不必使用临时数据帧，然后将其合并到原始数据帧中？ 假设我需要创建一个依赖于聚合操作的"result“列，就像这个场景： import pandas as pd
df = pd.DataFrame({'box': [1,1,1,2,2,3,3,3,3], 'item': ['apple', 'durian', 'pear', 'orange', 'banana', 'apple',
浏览 82提问于2020-05-04得票数 2
回答已采纳
2回答
我有这样的数据：
import numpy as np
import pandas as pd
df = pd.DataFrame({
'ind1': list('AAABBBCCC'),
'ind2': list(map(int, list('123123123'))),
'val1': [0, 1, 2, -1, -4, -5, 10, 11, 4],
'val2': [0.1, 0.2, -0.2, 0.1, 0.2, 0.2, -0.1, 2, 0.1]
浏览 1提问于2019-07-17得票数 3
回答已采纳
3回答
我正在尝试从pandas df返回groupby。我希望输出值被求和，而不是merged。但是下面的命令merges了适当的lists。 import pandas as pd
d = ({
'Id' : [1,2,2,1],
'Val' : ['A','B','B','A'],
'Output' : [[1,2,3,4,5],[5,3,3,2,1],[6,7,8,9,1],[6,7,8
浏览 4提问于2019-04-16得票数 3
回答已采纳
2回答
熊猫组后每一组取样
、、、、
我知道这一定是在哪里被回答的，但我就是找不到。
问题：每组手术后取样。
import pandas as pd
df = pd.DataFrame({'a': [1,2,3,4,5,6,7],
'b': [1,1,1,0,0,0,0]})
grouped = df.groupby('b')
# now sample from each group, e.g., I want 30% of each group
浏览 2提问于2016-04-03得票数 67
回答已采纳
3回答
TLDR:我需要将每个组中的长度或项数添加到新的列中。如何才能做到这一点？
我正在处理的实验结果包含了几次重复的结果(在相同的设置下重复相同的实验，以提高数据的统计弹性)。每个实验都有一个标识符，而每一个重复/运行都有一个“内部”的索引(请参阅代码片段以获得澄清)。
由于即将进行数据处理，并且为了显示每次实验运行的总数(例如运行1/3、运行2/3、运行3/3)，我需要添加两列
一个“人类可读的”运行编号(基本上是一个基于一个的运行索引)和
每次实验的总运行次数。
通过增加每次运行的run_id，可以很容易地实现第一个目标：
import io
import pandas as
浏览 5提问于2021-04-06得票数 2
回答已采纳
我试图聚合一个数据集，其中一个列包含一些URL。考虑以下数据集
import pandas as pd
df = pd.DataFrame({"ID": [1, 1, 1, 2, 2],
"Website": ["https://www.auctionbid.com",
"https://www.google.com",
"https://www.awesom
浏览 4提问于2017-02-22得票数 1
回答已采纳
1回答
使用我的数据按Assay、Image和Roi分组，对于每个组，我希望删除“强度”列中具有NaN值的所有行(第一行除外)。
我的尝试可以删除重复项，但这并不是特定于NaN值的。
from pandas import Series, DataFrame
import pandas as pd
import numpy as np
df = DataFrame({'assay':['cnt']*11,
'image':['001']*10+['002'],
浏览 1提问于2016-06-26得票数 0
回答已采纳
我希望根据一列将数据帧中的多个行组合成一行 这是我的df的样子： id Name score
0 1234 jim 34
1 5678 james 45
2 4321 Macy 56
3 1234 Jim 78
4 5678 James 80 我想根据列"score“进行组合，这样输出将如下所示： id Name score
0 1234 jim 34,78
1
浏览 14提问于2020-10-17得票数 2
回答已采纳
我希望能够比较ID号相同的两行(例如，第0行和第1行)，然后删除具有较小绝对收入的行。有没有办法只使用pandas函数，而不是使用.itertuples()遍历各行。我正在考虑使用.shift和.apply，但我不确定如何执行。
Index ID Income
0 2011000070 55019
1 2011000070 0
2 2011000074 23879
3 2011000074 0
4 2011000
浏览 0提问于2017-07-11得票数 3
回答已采纳
1回答
我试图加速一些用来计算熊猫时间延迟、索引数据格式的代码。dataframe包含由ID列标识的200 k时态序列。我试过达斯克，但没有得到任何改善(比熊猫本身花费的时间更长)。
下面是一个可以生成具有可比较大小的虚拟数据的示例：
import itertools as it
import numpy as np
import pandas as pd
np.random.seed(1)
#Series for ID
ID_data = pd.Series(np.arange(0,200000), name='ID')
#Array of data - create panda
浏览 2提问于2021-08-03得票数 0
回答已采纳
1回答
我有一个数据文件，如下所示
import pandas as pd
data = {
'id': [1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3],
'date': ['2021-03-15', '2021-03-15', '2021-03-17', '2021-03-17', '2021-03-12', '2021-03-12', '2021-12-14', '2021-04-07', '2021-07-0
浏览 2提问于2022-07-19得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
