Question

如果我有如下数据框，

import numpy as np
import pandas as pd
df2 = pd.DataFrame({'type':['A', 'A', 'B', 'B', 'C', 'C'], 'value':np.random.randn(6)})
>>> df2
  type     value
0    A -1.136014
1    A -0.715392
2    B -1.961665
3    B -0.525517
4    C  1.358249
5    C  0.652092

我想按列＆＃39;类型＆＃39;对数据框进行分组。并且对每个组应用不同的功能，例如，min用于类型为A的组，max用于类型为B的组，mean用于类型为C的组

编辑2014-08-05 12:00 GMT + 8：

用户提供了一些非常好的答案。但我使用groupby的原因是因为我希望结果在相同的数据框中，如下所示：

  type     value
0    A -1.136014
1    B -0.525517
2    C  1.005171

感谢任何帮助〜

Answer 1

支持abarnert的答案，因为它是一个很好的答案。

另一方面，为了按照OP的规范回答OP的问题：

for group in df2.groupby('type'):
    print group
    if group[0] == 'A':
        print group[1].min()
    if group[0] == 'B':
        print group[1].max()
    if group[0] == 'C':
        print group[1].mean()

另一方面，我建议只为每个组计算一切，因为它总是很容易。这是执行groupby操作的意图。

In [5]: summary = pd.DataFrame()

In [6]: summary['mean'] = df2.groupby('type').mean()['value']

In [7]: summary['min'] = df2.groupby('type').min()['value']

In [8]: summary['max'] = df2.groupby('type').max()['value']

summary将如下所示：

In [9]: summary
Out[9]: 
          mean       min       max
type                              
A     0.440490  0.231633  0.649346
B     0.172303  0.023094  0.321513
C     0.669650 -0.373361  1.712662

Answer 2

为什么在这里使用groupby？它只是妨碍了你，并且你不想对这些团体做任何事情。那么为什么不手动选择每个组？

>>> df2[df2.type=='A']['value'].min()
-1.4442888428898644
>>> df2[df2.type=='B']['value'].max()
1.0361392902054989
>>> df2[df2.type=='C']['value'].mean()
0.89822391958453074

如何对每组熊猫组应用不同的功能？

2 个答案: