在Python Pandas中,如何使用像R dplyr mutate_each

Question

在Python Pandas中,我想通过在多个列上执行多个聚合函数来添加列,如R dplyr mutate_each.例如,Python Pandas可以实现与以下R脚本相同的处理吗？

R dplyr :

 iris %>%
   group_by(Species) %>%
   mutate_each(funs(min, max, mean), starts_with("Sepal"))

但是,我能够实现与Pandas mutate相同的处理.如下面的代码所示,我可以执行一个聚合函数并添加一列.

R dplyr :

 iris %>% group_by(Species) %>% mutate(MaxSepalLen = max(Sepal.Length))

Python Pandas :

 iris.assign(MaxSepalLen = iris.groupby("Species")["Sepal.Length"].transform('max'))

Answer 1

有了 Pandas，这可以通过更长时间的方式来完成。

首先，我们准备一下数据：

import pandas as pd
import numpy as np
from sklearn.datasets import load_iris
iris_data = load_iris()
iris = pd.DataFrame(iris_data.data, columns = [c[0:3] + c[6] for c in iris_data.feature_names])
iris['Species'] = iris_data.target_names[iris_data.target]

现在我们可以模仿mutate_each管道：

# calculate the aggregates
pivot = iris.groupby("Species")[iris.columns[iris.columns.str.startswith('sepal')]
                               ].aggregate(['min', 'max', np.mean])
# name the aggregates
pivot.columns = pivot.columns.get_level_values(0) + pivot.columns.get_level_values(1)
# merge aggregates with the original dataframe
new_iris = iris.merge(pivot, left_on='Species', right_index=True)

该pivot表实际上是一个小型数据透视表：

            seplmin  seplmax  seplmean  sepwmin  sepwmax  sepwmean
Species                                                           
setosa          4.3      5.8     5.006      2.3      4.4     3.418
versicolor      4.9      7.0     5.936      2.0      3.4     2.770
virginica       4.9      7.9     6.588      2.2      3.8     2.974

这new_iris是一个 150x11 的表，其中包含来自iris和pivot组合的所有列，与输出相同dplyr。