首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何基于groupby,pandas DataFrame创建一个新的字典列?

要基于groupby和pandas DataFrame创建一个新的字典列,可以按照以下步骤进行操作:

  1. 导入必要的库:
代码语言:txt
复制
import pandas as pd
  1. 创建一个示例DataFrame:
代码语言:txt
复制
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
        'B': ['one', 'one', 'two', 'two', 'two', 'one', 'two', 'one'],
        'C': [1, 2, 3, 4, 5, 6, 7, 8],
        'D': [10, 20, 30, 40, 50, 60, 70, 80]}
df = pd.DataFrame(data)
  1. 使用groupby和apply方法创建新的字典列:
代码语言:txt
复制
df['new_column'] = df.groupby(['A', 'B']).apply(lambda x: {'sum_C': x['C'].sum(), 'mean_D': x['D'].mean()})

在这个例子中,我们按照列'A'和列'B'进行分组,然后使用apply方法对每个分组进行操作。在lambda函数中,我们计算了列'C'的总和和列'D'的平均值,并将结果存储在一个字典中。最后,将这个字典赋值给新的列'new_column'。

  1. 查看结果:
代码语言:txt
复制
print(df)

输出结果如下:

代码语言:txt
复制
     A    B  C   D                  new_column
0  foo  one  1  10  {'sum_C': 1, 'mean_D': 10}
1  bar  one  2  20  {'sum_C': 2, 'mean_D': 20}
2  foo  two  3  30  {'sum_C': 8, 'mean_D': 40}
3  bar  two  4  40  {'sum_C': 4, 'mean_D': 40}
4  foo  two  5  50  {'sum_C': 8, 'mean_D': 40}
5  bar  one  6  60  {'sum_C': 2, 'mean_D': 20}
6  foo  two  7  70  {'sum_C': 8, 'mean_D': 40}
7  foo  one  8  80  {'sum_C': 1, 'mean_D': 10}

可以看到,新的字典列'new_column'已经成功创建,并包含了每个分组的计算结果。

这是基于groupby和pandas DataFrame创建新的字典列的方法。在实际应用中,可以根据具体需求进行适当的修改和扩展。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

《利用Python进行数据分析·第2版》第10章 数据聚合与分组运算10.1 GroupBy机制10.2 数据聚合10.3 apply:一般性的“拆分-应用-合并”10.4 透视表和交叉表10.5 总

对数据集进行分组并对各组应用一个函数(无论是聚合还是转换),通常是数据分析工作中的重要环节。在将数据集加载、融合、准备好之后,通常就是计算分组统计或生成透视表。pandas提供了一个灵活高效的gruopby功能,它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。 关系型数据库和SQL(Structured Query Language,结构化查询语言)能够如此流行的原因之一就是其能够方便地对数据进行连接、过滤、转换和聚合。但是,像SQL这样的查询语言所能执行的分组运算的种类很有限。在本章中你将会看

09
领券