beibehalten Dataframe-Index bei der Serie erzeugen groupby gelten mit

Question

Wenn Aufruf einer Funktion mit groupby + apply, die ich von einem DataFrame zu einem Series groupby Objekt gehen wollen, eine Funktion, die jeder Gruppe anwenden, die eine Series als Eingabe und gibt eine Series als Ausgabe, und dann die Ausgabe von der groupby + apply Anruf als ein Feld in der DataFrame zuweisen. Das Standardverhalten besteht darin, dass die Ausgabe von groupby + apply durch die Gruppierungsfelder indiziert wird, wodurch verhindert wird, dass ich sie sauber dem DataFrame zuordnet. Ich würde bevorzugen, dass die Funktion, die ich mit anrufe, eine Series als Eingabe nehmen und eine Series als Ausgabe zurückgeben; Ich denke, es ist ein bisschen sauberer als DataFrame zu DataFrame. (Dies ist nicht der beste Weg, in diesem Beispiel auf das Ergebnis bekommen, die reale Anwendung recht unterschiedlich ist.)

import pandas as pd 
df = pd.DataFrame({ 
'A': [999, 999, 111, 111], 
'B': [1, 2, 3, 4], 
'C': [1, 3, 1, 3] 
}) 
def less_than_two(series): 
    # Intended for series of length 1 in this case 
    # But not intended for many-to-one generally 
    return series.iloc[0] < 2 
output = df.groupby(['A', 'B'])['C'].apply(less_than_two) 

ich den Index will auf output die gleichen wie df sein, sonst kann ich nicht zuordnen zu df (sauber):

df['Less_Than_Two'] = output 

So etwas wie output.index = df.index zu hässlich scheint, und das group_keys Argument scheint nicht zu funktionieren:

output = df.groupby(['A', 'B'], group_keys = False)['C'].apply(less_than_two) 
df['Less_Than_Two'] = output 

Answer 1

transform gibt die Ergebnisse mit dem Original index zurück, genau wie Sie es verlangt haben. Es wird das gleiche Ergebnis über alle Elemente einer Gruppe übertragen. Bedenken Sie, passen Sie auf, dass die dtype davon abgeleitet werden kann, etwas anderes zu sein. Sie müssen es möglicherweise selbst werfen.

In diesem Fall wird, um eine weitere Spalte hinzufügen, würde ich assign

df.assign(
    Less_Than_Two=df.groupby(['A', 'B'])['C'].transform(less_than_two).astype(bool)) 

    A B C Less_Than_Two 
0 999 1 1   True 
1 999 2 3   False 
2 111 3 1   True 
3 111 4 3   False 

Answer 2

Angenommen, Ihre groupby ist notwendig (und das resultierende groupby-Objekt wird weniger Zeilen als Ihr DataFrame haben - dies ist nicht der Fall mit den Beispieldaten), dann wird die Zuordnung der Serie zu der 'Is.Even'-Spalte führen NaN-Werte (da der Index zu output kürzer ist als der Index zu df).

Stattdessen basiert auf den Beispieldaten wird der einfachste Ansatz output zu verschmelzen - als Datenrahmen - mit df, etwa so:

output = df.groupby(['A','B'])['C'].agg({'C':is_even}).reset_index() # reset_index restores 'A' and 'B' from indices to columns 
output.columns = ['A','B','Is_Even'] #rename target column prior to merging 
df.merge(output, how='left', on=['A','B']) # this will support a many-to-one relationship between combinations of 'A' & 'B' and 'Is_Even' 
# and will thus properly map aggregated values to unaggregated values 

Auch sollte ich beachten Sie, dass Sie besser sind Aus Unterstriche als Punkte in Variablennamen deaktivieren; Im Gegensatz zu R fungieren Punkte beispielsweise als Operatoren für den Zugriff auf Objekteigenschaften, und ihre Verwendung in Variablennamen kann daher die Funktionalität blockieren/Verwirrung erzeugen.