Pandas의 여러 GroupBy 열에 여러 함수를 효율적으로 적용하려면 어떻게 해야 합니까?

여러 GroupBy 열에 여러 함수 적용

소개

그룹화된 데이터로 작업할 때 여러 열에 여러 함수를 적용해야 하는 경우가 많습니다. Pandas 라이브러리는 agg 및 apply 메소드를 포함하여 이를 달성하기 위한 여러 메소드를 제공합니다. 그러나 이러한 방법에는 특정 제한이 있으며 특정 사용 사례를 항상 충족하지 못할 수도 있습니다.

Dict와 함께 agg 사용

질문에서 언급했듯이 groupby 시리즈에 여러 기능을 적용하는 것이 가능합니다. 사전을 사용하는 객체:

grouped['D'].agg({'result1' : np.sum,
                   'result2' : np.mean})

이 접근 방식을 사용하면 열 이름을 키로 지정하고 해당 함수를 값으로 지정할 수 있습니다. 그러나 이는 Series 그룹별 개체에만 적용됩니다. groupby DataFrame에 적용될 때 사전 키는 출력 열 이름이 아닌 열 이름이 될 것으로 예상됩니다.

Lambda 함수와 함께 agg 사용

이 질문은 또한 agg 내에서 람다 함수를 사용하여 수행하는 방법을 탐색합니다. groupby 개체 내의 다른 열을 기반으로 하는 작업입니다. 이 접근 방식은 함수가 다른 열에 대한 종속성을 포함하는 경우에 적합합니다. agg 메서드에서 명시적으로 지원되지는 않지만 열 이름을 문자열로 수동으로 지정하여 이 제한 사항을 해결할 수 있습니다.

grouped.agg({'C_sum' : lambda x: x['C'].sum(),
             'C_std': lambda x: x['C'].std(),
             'D_sum' : lambda x: x['D'].sum()},
             'D_sumifC3': lambda x: x['D'][x['C'] == 3].sum(), ...)

이 접근 방식을 사용하면 다른 열에 종속된 함수를 포함하여 여러 함수를 다른 열에 적용할 수 있습니다. . 그러나 이는 장황할 수 있으며 열 이름을 주의 깊게 처리해야 합니다.

사용자 정의 함수와 함께 적용 사용

보다 유연한 접근 방식은 전체 그룹 DataFrame을 전달하는 적용 메서드를 사용하는 것입니다. 제공되는 기능. 이를 통해 그룹 내의 열 간에 더 복잡한 작업과 상호 작용을 수행할 수 있습니다.

def f(x):
    d = {}
    d['a_sum'] = x['a'].sum()
    d['a_max'] = x['a'].max()
    d['b_mean'] = x['b'].mean()
    d['c_d_prodsum'] = (x['c'] * x['d']).sum()
    return pd.Series(d, index=['a_sum', 'a_max', 'b_mean', 'c_d_prodsum'])

df.groupby('group').apply(f)

적절하게 레이블이 지정된 열이 포함된 시리즈를 반환하면 그룹별 DataFrame에서 여러 계산을 쉽게 수행할 수 있습니다. 이 접근 방식은 더 다양하며 여러 열을 기반으로 하는 복잡한 작업이 가능합니다.

결론

그룹화된 여러 열에 여러 함수를 적용하려면 데이터 구조와 원하는 작업을 신중하게 고려해야 합니다. agg 방법은 Series 객체에 대한 간단한 작업에 적합한 반면, 적용 방법은 그룹별 DataFrame으로 작업하거나 복잡한 계산을 수행할 때 더 큰 유연성을 제공합니다.

위 내용은 Pandas의 여러 GroupBy 열에 여러 함수를 효율적으로 적용하려면 어떻게 해야 합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!