如何将*多个*函数应用于pandas groupby apply？

Question

我有一个数据框，应将其分组，然后在每个组上应用几个函数。通常，我会这样做groupby().agg()（参见将多个函数应用于多个 groupby 列），但我感兴趣的函数不需要一列作为输入，而是需要多列。

我了解到，当我有一个具有多列作为输入的函数时，我需要apply（参见使用多列的 Pandas DataFrame 聚合函数）。 但是，当我有多个具有多个列作为输入的函数时，我需要什么？

import pandas as pd
df = pd.DataFrame({'x':[2, 3, -10, -10], 'y':[10, 13, 20, 30], 'id':['a', 'a', 'b', 'b']})

def mindist(data): #of course these functions are more complicated in reality
     return min(data['y'] - data['x'])
def maxdist(data):
    return max(data['y'] - data['x'])

我期待类似的东西df.groupby('id').apply([mindist, maxdist])

    min   max
id      
 a    8    10
 b   30    40

（通过实现pd.DataFrame({'mindist':df.groupby('id').apply(mindist),'maxdist':df.groupby('id').apply(maxdist)}- 如果我有许多函数要应用于分组数据框，这显然不是很方便）。最初我以为这个OP有同样的问题，但他似乎对 很满意aggregate，这意味着他的函数只接受一列作为输入。

Answer 1

groupby对于这个具体问题，差异之后怎么样？

(df['x']-df['y']).groupby(df['id']).agg(['min','max'])

更一般地说，你可能可以做类似的事情

df.groupby('id').apply(lambda x:pd.Series({'min':mindist(x),'max':maxdist(x)}))

Answer 2

IIUC 您想在同一组中使用多个函数。在这种情况下，您应该返回一个pd.Series. 在下面的玩具示例中我想要

1. 对列求和A，B然后计算平均值
2. 对列求和C，D然后计算标准差

import pandas as pd
df = pd.util.testing.makeDataFrame().head(10)
df["key"] = ["key1"] * 5 + ["key2"] * 5

def fun(x):
    m = (x["A"]+x["B"]).mean()
    s = (x["C"]+x["D"]).std()
    return pd.Series({"meanAB":m, "stdCD":s})

df.groupby("key").apply(fun)

更新 在你的情况下变成了

import pandas as pd

df = pd.DataFrame({'x':[2, 3, -10, -10],
                   'y':[10, 13, 20, 30],
                   'id':['a', 'a', 'b', 'b']})

def mindist(data): #of course these functions are more complicated in reality
     return min(data['y'] - data['x'])

def maxdist(data):
    return max(data['y'] - data['x'])

def fun(data):
    return pd.Series({"maxdist":maxdist(data),
                      "mindist":mindist(data)})

df.groupby('id').apply(fun)