Pandas 在多列上分组并将结果广播到原始数据帧

Question

我有一个 pandas 形式的数据框：

      bowler    inning  wickets Total_wickets   matches balls
0   SL Malinga     1      69         143          44    4078
1   SL Malinga     2      74         143          54    4735
2   A Mishra       1      48         124          50    3908
3   A Mishra       2      76         124          62    4930
4   DJ Bravo       1      61         122          48    3887

我想在 'bowler' 和 'inning' 上对这个 df 进行分组，并在 'wickets' 和 'balls' 列上执行一些计算，然后将它广播到相同的 df 作为新专栏。我尝试的其中一种方法是使用转换，例如：

df_bowler['strike rate'] = df_bowler.groupby(['bowler','inning']).transform(lambda x : x['balls']/x['wickets'])

这会导致 keyError 异常：

KeyError: ('balls', 'occurred at index wickets')

我通过使用 apply 和 merge 完成了我需要的，例如：

df_strRate = df_bowler.groupby(['bowler','inning']).apply(lambda x:x['balls']/x['wickets']).reset_index(level=2,drop=True).reset_index(name='strike rate')
df_bowler = df_bowler.merge(df_strRate,on=['bowler','inning'])

但是，这似乎是一种迂回的做法。我想知道为什么在这种情况下转换失败。有什么指点吗？

谢谢。

Answer 1

您的转换失败，因为您沿错误的轴应用它，您需要先使用 sum() 等聚合。看看这个：

In [83]: df.groupby(['bowler', 'inning']).sum().transform(lambda x : x['balls'].astype(float)/x['wickets'].astype(float), axis=1)
Out[83]: 
bowler      inning
A Mishra    1         81.416667
            2         64.868421
DJ Bravo    1         63.721311
SL Malinga  1         59.101449
            2         63.986486
dtype: float64

但你也可以这样做：

In [88]: df['strike_rate'] = df.balls / df.wickets
In [89]: df
Out[89]: 
       bowler  inning  wickets  Total_wickets  matches  balls  strike_rate
0  SL Malinga       1       69            143       44   4078    59.101449
1  SL Malinga       2       74            143       54   4735    63.986486
2    A Mishra       1       48            124       50   3908    81.416667
3    A Mishra       2       76            124       62   4930    64.868421
4    DJ Bravo       1       61            122       48   3887    63.721311

Answer 2

编辑：

尝试使用以下方法使用 apply()

df = df.merge(df.groupby(['bowler', 'inning']).apply(lambda x : sum(x['balls']/x['wickets')]).reset_index(), on=['bowler', 'inning']).rename(columns={0:'Mycolumn'})
#If you don't want a rename  then new resulted column will be named as 0. As per your wish, use it/discard rename part.

或者，如果您想要简单的列操作，我更喜欢 Cory 的第二个选项。

Answer 3

如果 [] 中未定义列，则函数存在问题 GroupBy.transform 首先分别处理每个 Series - 因此无法同时处理 2 列，不可能将它们分开：

def f(x):
    print (x)

2    48
Name: wickets, dtype: int64
2    124
Name: Total_wickets, dtype: int64
2    50
Name: matches, dtype: int64
2    3908
Name: balls, dtype: int64

df = df_bowler.groupby(['bowler','inning']).transform(f)

如果在 [] 中定义列：

def f(x):
    print (x)

2    3908
Name: (A Mishra, 1), dtype: int64
3    4930
Name: (A Mishra, 2), dtype: int64
4    3887
Name: (DJ Bravo, 1), dtype: int64
0    4078
Name: (SL Malinga, 1), dtype: int64
1    4735
Name: (SL Malinga, 2), dtype: int64


df = df_bowler.groupby(['bowler','inning'])['balls'].transform(f)

DataFrameGroupBy.agg 函数的工作方式相同。

结论：

如果想按组处理数据需要GroupBy.apply:

def f(x):
    print (x)

     bowler  inning  wickets  Total_wickets  matches  balls
2  A Mishra       1       48            124       50   3908
     bowler  inning  wickets  Total_wickets  matches  balls
2  A Mishra       1       48            124       50   3908
     bowler  inning  wickets  Total_wickets  matches  balls
3  A Mishra       2       76            124       62   4930
     bowler  inning  wickets  Total_wickets  matches  balls


df = df_bowler.groupby(['bowler','inning']).apply(f)

Pandas 在多列上分组并将结果广播到原始数据帧

Pandas groupby on multi-columns and broadcast the result to the original dataframe

python

pandas

pandas-groupby

编辑：