通过对现有列进行分组和操作，在 pandas df 中创建新列

Question

我有一个看起来像这样的数据框（最小可重现示例）

thermometers = ['T-10000_0001', 'T-10000_0002','T-10000_0003', 'T-10000_0004', 
                'T-10001_0001', 'T-10001_0002', 'T-10001_0003', 'T-10001_0004', 
                'T-10002_0001', 'T-10002_0003', 'T-10002_0003', 'T-10002_0004']

temperatures = [15.1, 14.9, 12.7, 10.8,
               19.8, 18.3, 17.7, 18.1,
               20.0, 16.4, 17.6, 19.3]

df_set = {'thermometers': thermometers,
         'Temperatures': temperatures}

df = pd.DataFrame(df_set)

Index	Thermometer	Temperature
0	T-10000_0001	14.9
1	T-10000_0002	12.7
2	T-10000_0003	12.7
3	T-10000_0004	10.8
4	T-10001_0001	19.8
5	T-10001_0002	18.3
6	T-10001_0003	17.7
7	T-10001_0004	18.1
8	T-10002_0001	20.0
9	T-10002_0002	16.4
10	T-10002_0003	17.6
11	T-10002_0004	19.3

我正在尝试对温度计进行分组（即 'T-10000'、'T-10001'、'T-10002'），并使用每个温度计读数的最小值、最大值和平均值创建新列。所以我的最终数据框看起来像这样

Index	Thermometer	min_temp	average_temp	max_temp
0	T-10000	10.8	12.8	14.9
1	T-10001	17.7	18.5	19.8
2	T-10002	16.4	18.3	20.0

我尝试创建一个单独的函数，我认为它需要正则表达式，但我不知道该怎么做。任何帮助将不胜感激。

Answer 1

通过分隔符 _ 来使用 groupby。然后，只需聚合您需要的任何功能。

>>> df.groupby(df['thermometers']\
               .str.split('_').  \
               .str.get(0)).agg(['min', 'mean', 'max'])

                      min    mean   max
thermometers                           
T-10000              10.8  13.375  15.1
T-10001              17.7  18.475  19.8
T-10002              16.4  18.325  20.0

Answer 2

另一种使用 str.extract 的方法可以避免调用 str.get:

(df['Temperatures']
 .groupby(df['thermometers'].str.extract('(^[^_]+)', expand=False))
 .agg(['min', 'mean'])
 )

输出：

               min    mean
thermometers              
T-10000       10.8  13.375
T-10001       17.7  18.475
T-10002       16.4  18.325

通过对现有列进行分组和操作，在 pandas df 中创建新列

Create new columns in pandas df by grouping and performing operations on an existing column

python

python-3.x

pandas

dataframe