Pandas：apply返回列表

Question

我的数据框如下：

player_id  season_id   game_id  points  mean_to_date  
200      21999  29900007         10             0     
200      21999  29900023         20             0     
200      21200  29900042         10             0     
200      21200  29900059         20             0     
200      21200  29900081         30             0     
300      21999  29900089         10             0     
300      22111  29900108         10             0     
300      22111  29900118         20             0     
300      22111  29900143         30             0

我使用以下方式将它分成了多个组：

grouped = frame.groupby(['player_id', 'season_id'])     

我有一个函数，我想将其应用于每个组：

def previous_mean(player_season):   
    avgs = {}
    i = 0
    for idx, game in player_season.iterrows():
        gamenum = i + 1

        if gamenum == 1:
            avgs[1] = 0

        elif gamenum == 2:
            avgs[2] = player_season.at[idx-1, 'dk_points']
        
        elif gamenum > 2:
            logging.debug("gamenum is {0}".format(gamenum))
            pts = player_season.at[idx-1, 'points']
            avgs[gamenum] = (avgs.get(i)*(i-1) + pts)/i

        i+= 1
    
    return avgs.values()

调用

grouped.apply(previous_mean)

以下是结果：

player_id  season_id
200        21200        [0, 10, 15.0]
           21999              [0, 10]
300        21999                  [0]
           22111        [0, 10, 15.0]

如何将apply操作的结果作为“mean_to_date”列的值？也就是说，对于球员200、赛季21999，mean_to_date为0和10，然后对于球员200、赛季21200，它将是0、10和15，以此类推。请注意，mean_to_date值表示比赛之前的平均值，因此在第一场比赛之前它是零，在第二场比赛之前它是第一场比赛的总和。

另外，“previous_mean”函数很丑陋，可能有更有效的方法来实现相同的目标，但我想不出来。

- Eric Truett

---

你得到列表是因为当你的函数previous_mean被传入一个数据框时，它返回一个列表--这与apply无关。 - Paul H

现在你需要发布可工作的代码。目前在previous_mean中定义之前使用了avgs。 - Paul H

我通过添加空字典来修复了代码。那么函数应该返回一个Pandas系列而不是列表吗？ - Eric Truett

你在另一条评论中说你想要每行一个平均值，因此你应该使用返回单个值的函数。 - Paul H

Answer 1

如果我理解正确，您可以使用expanding_mean函数，将数据通过shift函数向右移动一位，再通过fillna函数将缺失值NaN填充为0，最后返回列mean_to_date：

print frame
#   player_id  season_id   game_id  points  mean_to_date
#0        200      21999  29900007      10             0
#1        200      21999  29900023      20             0
#2        200      21200  29900042      10             0
#3        200      21200  29900059      20             0
#4        200      21200  29900081      30             0
#5        300      21999  29900089      10             0
#6        300      22111  29900108      10             0
#7        300      22111  29900118      20             0
#8        300      22111  29900143      30             0


frame['mean_to_date'] = frame.groupby(['player_id','season_id']).apply(
          lambda x: pd.expanding_mean(x['points'], 1).shift(1)
                                                     .fillna(0))
                                                     .reset_index(drop=True)
print frame

#   player_id  season_id   game_id  points  mean_to_date
#0        200      21999  29900007      10             0
#1        200      21999  29900023      20            10
#2        200      21200  29900042      10             0
#3        200      21200  29900059      20            10
#4        200      21200  29900081      30            15
#5        300      21999  29900089      10             0
#6        300      22111  29900108      10             0
#7        300      22111  29900118      20            10
#8        300      22111  29900143      30            15

- jezrael

---

如果这个解决方案对您有帮助，您可以点赞并接受。谢谢。 - jezrael

这很有帮助，但我需要每行一个平均值，而不是一列/一系列的值。 - Eric Truett