从Pandas聚合重命名结果列("FutureWarning:使用带重命名的dict已弃用")

Question

我正在尝试对熊猫数据框进行一些聚合.这是一个示例代码:

import pandas as pd

df = pd.DataFrame({"User": ["user1", "user2", "user2", "user3", "user2", "user1"],
                  "Amount": [10.0, 5.0, 8.0, 10.5, 7.5, 8.0]})

df.groupby(["User"]).agg({"Amount": {"Sum": "sum", "Count": "count"}})

Out[1]: 
      Amount      
         Sum Count
User              
user1   18.0     2
user2   20.5     3
user3   10.5     1

这会产生以下警告:

FutureWarning:使用带重命名的dict已弃用,将在以后的版本中返回super(DataFrameGroupBy,self).aggregate(arg,*args,**kwargs)

我怎么能避免这个？

Answer 1

使用groupby apply并返回一个Series来重命名列

使用groupby apply方法执行聚合

• 重命名列
• 允许名称中的空格
• 允许您以您选择的任何方式订购返回的列
• 允许列之间的交互
• 返回单级索引而不是MultiIndex

去做这个:

• 创建传递给的自定义函数 apply
• 此自定义函数作为DataFrame传递给每个组
• 返回系列
• 系列的索引将是新列

创建虚假数据

df = pd.DataFrame({"User": ["user1", "user2", "user2", "user3", "user2", "user1", "user3"],
                  "Amount": [10.0, 5.0, 8.0, 10.5, 7.5, 8.0, 9],
                  'Score': [9, 1, 8, 7, 7, 6, 9]})

创建一个返回系列自定义函数
的变量x里面的my_agg是一个数据帧

def my_agg(x):
    names = {
        'Amount mean': x['Amount'].mean(),
        'Amount std':  x['Amount'].std(),
        'Amount range': x['Amount'].max() - x['Amount'].min(),
        'Score Max':  x['Score'].max(),
        'Score Sum': x['Score'].sum(),
        'Amount Score Sum': (x['Amount'] * x['Score']).sum()}

    return pd.Series(names, index=['Amount range', 'Amount std', 'Amount mean',
                                   'Score Sum', 'Score Max', 'Amount Score Sum'])

将此自定义函数传递给groupby apply方法

df.groupby('User').apply(my_agg)

最大的缺点是,这个功能会比慢得多agg的cythonized聚合

使用groupby agg方法的字典

使用词典字典被删除了,因为它的复杂性和模糊性.有一个正在进行的讨论,关于如何提高在GitHub上,今后这个功能在这里,你可以直接在GROUPBY调用后访问聚集列.只需传递您希望应用的所有聚合函数的列表.

df.groupby('User')['Amount'].agg(['sum', 'count'])

产量

       sum  count
User              
user1  18.0      2
user2  20.5      3
user3  10.5      1

仍然可以使用字典来明确表示不同列的不同聚合,例如,如果有另一个名为的数字列,则为此Other.

df = pd.DataFrame({"User": ["user1", "user2", "user2", "user3", "user2", "user1"],
              "Amount": [10.0, 5.0, 8.0, 10.5, 7.5, 8.0],
              'Other': [1,2,3,4,5,6]})

df.groupby('User').agg({'Amount' : ['sum', 'count'], 'Other':['max', 'std']})

产量

      Amount       Other          
         sum count   max       std
User                              
user1   18.0     2     6  3.535534
user2   20.5     3     5  1.527525
user3   10.5     1     4       NaN

Answer 2

如果用一个元组列表替换内部字典,它就会删除警告消息

import pandas as pd

df = pd.DataFrame({"User": ["user1", "user2", "user2", "user3", "user2", "user1"],
                  "Amount": [10.0, 5.0, 8.0, 10.5, 7.5, 8.0]})

df.groupby(["User"]).agg({"Amount": [("Sum", "sum"), ("Count", "count")]})

Answer 3

这对我有用，Pandas 版本1.2.4

对于每一列，我们添加一个由元组组成的列表：

df.groupby('column to group by').agg(
{'column name': [('new column name', 'function to apply')]})

例子

# Create DataFrame
df=pd.DataFrame(data={'id':[1,1,2,3],'col1': [1,2,1,5], 'col2':[5,8,6,4]})

# Apply grouping 
grouped = df.groupby('id').agg({
                             'col1': [('name1', 'sum')], 
                             'col2': [('name2_mean', 'sum'), ('name2_custom_std', lambda x: np.std(x))]})

# Drop multi-index for columns and reset index
grouped.columns = grouped.columns.droplevel()
grouped.reset_index(inplace=True)

结果：

	ID	姓名1	名称2_平均值	name2_自定义_std
0	1	3	13	1.5
1	2	1	6	0.0
2	3	5	4	0.0

Answer 4

熊猫0.25+ 聚合重新标记的更新

import pandas as pd

print(pd.__version__)
#0.25.0

df = pd.DataFrame({"User": ["user1", "user2", "user2", "user3", "user2", "user1"],
                  "Amount": [10.0, 5.0, 8.0, 10.5, 7.5, 8.0]})

df.groupby("User")['Amount'].agg(Sum='sum', Count='count')

输出：

        Sum  Count
User              
user1  18.0      2
user2  20.5      3
user3  10.5      1