pandas groupby 转换：同时应用自定义名称的多个函数

Question

如标题所示，我希望能够执行以下操作（最好用一些代码进行解释）[pandas 0.20.1 是强制性的]

import pandas as pd
import numpy as np

a = pd.DataFrame(np.random.rand(10, 4), columns=[['a','a','b','b'], ['alfa','beta','alfa','beta',]])

def as_is(x):
    return x
def power_2(x):
    return x**2

# desired result

a.transform([as_is, power_2])

问题是函数可能比这更复杂，因此我会失去 "naming" 功能，因为 pandas.DataFrame.transform 只允许传递列表，而字典会更方便。

回到基础，我得到了这个：

dict_funct= {'as_is': as_is, 'power_2': power_2}

def wrapper(x):
    return pd.concat({k: x.apply(v) for k,v in dict_funct.items()}, axis=1)

a.groupby(level=[0,1], axis=1).apply(wrapper)

但输出 Dataframe 全部是 nan，可能是由于 multi-index 列排序。有什么办法可以解决这个问题吗？

Answer 1

如果需要 dict 我将 concat 中的参数 axis 删除为默认值 (axis=0)，但随后有必要添加参数 group_keys=False 和函数unstack:

def wrapper(x):
    return pd.concat({k: x.apply(v) for k,v in dict_funct.items()})

a.groupby(level=[0,1], axis=1, group_keys=False).apply(wrapper).unstack(0)

类似的解决方案：

def wrapper(x):
    return pd.concat({k: x.transform(v) for k,v in dict_funct.items()})

a.groupby(level=[0,1], axis=1, group_keys=False).apply(wrapper).unstack(0)

另一个解决方案是简单地添加 list comprehension:

a.transform([v for k, v in dict_funct.items()])

pandas groupby 转换：同时应用自定义名称的多个函数

pandas groupby transform: multiple functions applied at the same time with custom names

multi-index

pandas

pandas-groupby