每个系列的Pandas groupby自定义函数
每个系列的Pandas groupby自定义函数
提问于 2017-06-04 04:49:43
我很难将自定义函数应用到Pandas中的每一组groupby列
我的自定义函数接受一系列数字，取连续对的差值，并返回所有差值的平均值。下面是代码
def mean_gap(a):
b = []
for i in range(0, len(a)-1):
b.append((a[i+1]-a[i]))
return np.mean(b)所以如果a= 1,3,7 mean_gap(a)会得到((3-1)+(7-3))/2) = 3.0
Dataframe:
one two
a 1
a 3
a 7
b 8
b 9
desired result
Dataframe:
one two
a 3
b 1Df.groupby(‘一’)‘二’。？
我是第一次接触熊猫。我读到groupby每次取每一行的值，而不是整个序列。所以我不能在groupby之后使用lambda。请帮帮我！
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-06-04 04:53:32
使用自定义函数，您可以执行以下操作：
df.groupby('one')['two'].agg(lambda x: x.diff().mean())
one
a 3
b 1
Name: two, dtype: int64并重置索引：
df.groupby('one')['two'].agg(lambda x: x.diff().mean()).reset_index(name='two')
one two
0 a 3
1 b 1另一种方法是：
df.groupby('one')['two'].diff().groupby(df['one']).mean()
one
a 3.0
b 1.0
Name: two, dtype: float64您的方法也适用于以下情况：
def mean_gap(a):
b = []
a = np.asarray(a)
for i in range(0, len(a)-1):
b.append((a[i+1]-a[i]))
return np.mean(b)
df.groupby('one')['two'].agg(mean_gap)
one
a 3
b 1
Name: two, dtype: int64a = np.asarray(a)是必要的，因为否则你会在b.append((a[i+1]-a[i]))中得到KeyErrors。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/44348426
复制相关文章
相似问题
腾讯云开发者
