我正在尝试在 pandas 中应用类似于 dplyr 中的 groupby 和 mutate 功能的自定义函数。
我想做的是给出这样的 pandas 数据框:
df = pd.DataFrame({'category1':['a','a','a', 'b', 'b','b'],
'category2':['a', 'b', 'a', 'b', 'a', 'b'],
'var1':np.random.randint(0,100,6),
'var2':np.random.randint(0,100,6)}
)
df
category1 category2 var1 var2
0 a a 23 59
1 a b 54 20
2 a a 48 62
3 b b 45 76
4 b a 60 26
5 b b 13 70
应用一些函数,该函数返回与分组中的元素数量相同的元素数量:
def myfunc(s):
return [np.mean(s)] * len(s)
得到这个结果
df
category1 category2 var1 var2 var3
0 a a 23 59 35.5
1 a b 54 20 54
2 a a 48 62 35.5
3 b b 45 76 29
4 b a 60 26 60
5 b b 13 70 29
我在想一些类似的事情:
df['var3'] = df.groupby(['category1', 'category2'], group_keys=False).apply(lambda x: myfunc(x.var1))
但无法获得匹配的索引。
在带有 dplyr 的 R 中,这将是
df <- df %>%
group_by(category1, category2) %>%
mutate(
var3 = myfunc(var1)
)
所以我能够通过使用自定义函数来解决这个问题,例如:
def myfunc_data(data):
data['var3'] = myfunc(data.var1)
return data
and
df = df.groupby(['category1', 'category2']).apply(myfunc_data)
但我想我仍然想知道是否有一种方法可以在不定义此自定义函数的情况下做到这一点。