Pandas：如何在函数内将 sum() 或 mean() 分配给 df.groupby？

Question

我想换df.groupby(pd.TimeGrouper(freq='M')).sum()一个函数，这样我可以分配sum()，mean()或count()在该函数的参数。我之前在这里问过一个类似的问题，但我认为在这种特殊情况下我不能使用相同的技术。

这是一个具有可重现输入的片段：

# Imports
import pandas as pd
import numpy as np

# Dataframe with 1 or zero
# 100 rows and 4 columns
# Indexed by dates
np.random.seed(12345678)
df = pd.DataFrame(np.random.randint(0,2,size=(100, 4)), columns=list('ABCD'))
datelist = pd.date_range(pd.datetime(2017, 1, 1).strftime('%Y-%m-%d'), periods=100).tolist()
df['dates'] = datelist 
df = df.set_index(['dates'])
df.index = pd.to_datetime(df.index)
print(df.head(10))

这使：

有了这个，我们可以做到：

df2 = df.groupby(pd.TimeGrouper(freq='M')).sum()
print(df2)

并得到：

或者我们可以这样做：

df3 = df.groupby(pd.TimeGrouper(freq='M')).mean()
print(df3)

并得到：

这是包装成函数的过程的一部分：

# My function
def function1(df):
    df = df.groupby(pd.TimeGrouper(freq='M')).sum()
    return df

# Function1 call
df4 = function1(df = df)
print(df4)

这工作得很好：

当我尝试在 Function2 中添加sum()或mean()作为参数时会出现问题，如下所示：

# My function with sum() as an argument
def function2(df, fun):
    df = df.groupby(pd.TimeGrouper(freq='M')).fun
    return df

我的第一次尝试引发了一个 TypeError：

# Function2 test 1
df5 = function2(df = df, fun = sum())

我的第二次尝试引发了一个属性错误：

# Function2 test 2
df6 = function2(df = df, fun = 'sum()')

是否可以对此设置进行一些调整以使其正常工作？（我尝试了另一个版本，以 'M' 作为 freq 的参数，效果很好）。或者这不是这些事情的处理方式？

感谢您的任何建议！

这是一个简单的复制和粘贴的混乱：

#%%

# Imports
import pandas as pd
import numpy as np

# Dataframe with 1 or zero
# 100 rows across 4 columns
# Indexed by dates
np.random.seed(12345678)
df = pd.DataFrame(np.random.randint(0,2,size=(100, 4)), columns=list('ABCD'))
datelist = pd.date_range(pd.datetime(2017, 1, 1).strftime('%Y-%m-%d'), periods=100).tolist()
df['dates'] = datelist 
df = df.set_index(['dates'])
df.index = pd.to_datetime(df.index)
print(df.head(10))

# Calculate sum per month
df2 = df.groupby(pd.TimeGrouper(freq='M')).sum()
print(df2)

# Or calculate average per month
df3 = df.groupby(pd.TimeGrouper(freq='M')).mean()
print(df3)

# My function
def function1(df):
    df = df.groupby(pd.TimeGrouper(freq='M')).sum()
    return df

# Function1 test
df4 = function1(df = df)
print(df4)
# So far so good
#%%
# My function with sum() as argument
def function2(df, fun):
    print(fun)
    df = df.groupby(pd.TimeGrouper(freq='M')).fun
    return df

# Function2 test 1
# df5 = function2(df = df, fun = sum())

# Function2 test 2
# df6 = function2(df = df, fun = 'sum()')

# Function2 test 3
# df7 = function2(df = df, fun = sum)

Answer 1

你需要使用 apply

def function2(df, fun):
    return df.groupby(pd.TimeGrouper(freq='M')).apply(fun)

只要确保fun是一个需要pd.DataFrame

但是，您可能应该使用agg. 如果fun将列减少到类似于sum或的标量mean，那么这应该有效。需要考虑的事情。

df.groupby(pd.TimeGrouper('M')).agg(['sum', 'mean', fun])