Pandas多列分组函数的使用

Question

这与以下内容类似，但我想再深入一个问题：pandas按多列分组应用并生成新列 我有这个数据框：

    Group  Value  Part    Ratio
0     A    6373    10    0.637300
1     A    2512    10    0.251200
2     A    603     10    0.060300
3     A    512     10    0.051200
4     B    5200    20    0.472727
5     B    4800    20    0.436364
6     B    501     20    0.045545
7     B    499     20    0.045364

我希望你能帮忙翻译这个使用“比率”和“部分”列的函数，并将其应用于每个“组”的内容：

def allocation(df, ratio, part):
    k = df[part].max()
    frac, results = np.array(np.modf(k * df[ratio]))
    remainder = int(k - results.sum())
    indices = np.argsort(frac)[::-1]
    results[indices[0:remainder]] += 1
    return results.astype(int)

请注意，我的函数与我在上面提到的问题中提到的函数的不同之处在于，我的函数返回整个组的值数组而不是单个值。 我尝试了以下方法：

data.groupby('Group', group_keys=False).apply(allocation, ratio='Ratio', part='Part')
Out[67]: 
Group
A    [6, 2, 1, 1]
B    [9, 9, 1, 1]
dtype: object

这些数字是正确的。然而，我需要输出一个系列，以便将其分配回原始数据帧，使其看起来像这样：

    Group  Value  Part    Ratio     Allocate
0     A    6373    10    0.637300     6
1     A    2512    10    0.251200     2
2     A    603     10    0.060300     1
3     A    512     10    0.051200     1
4     B    5200    20    0.472727     9
5     B    4800    20    0.436364     9
6     B    501     20    0.045545     1
7     B    499     20    0.045364     1

我该如何去做呢？使用apply是正确的方法吗？

- jerbear

Answer 1

通常在使用自定义函数时使用apply时会出现这种情况，我们可以通过使用concatenate来解决它。

s=df.groupby('Group', group_keys=False).apply(allocation, ratio='Ratio', part='Part').values
df['Allocate']=np.concatenate(s)
df
Out[71]: 
  Group  Value  Part     Ratio  Allocate
0     A   6373    10  0.637300         6
1     A   2512    10  0.251200         2
2     A    603    10  0.060300         1
3     A    512    10  0.051200         1
4     B   5200    20  0.472727         9
5     B   4800    20  0.436364         9
6     B    501    20  0.045545         1
7     B    499    20  0.045364         1

- BENY

---

这种方法并不总是正确的。因为结果s将按照分组键进行排序，而这可能与它们在原始框架df中出现的顺序不同。要了解这一点，请尝试使用df2 = pd.concat([df[4:], df[:4]])构建另一个框架，然后执行相同的操作。你会得到错误的答案。 - doraemon

Answer 2

要用pandas的方式来做，你可以让分配函数返回一个DataFrame或者Series:

def allocation(df, ratio, part):
    k = df[part].max()
    frac, results = np.array(np.modf(k * df[ratio]))
    remainder = int(k - results.sum())
    indices = np.argsort(frac)[::-1]
    results[indices[0:remainder]] += 1
    df['Allocate'] = results.astype(int)
    return df

然后使用groupby.apply将直接得到您想要的结果。

In [61]: df.groupby('Group', group_keys=False).apply(allocation, ratio='Ratio', part='Part')
Out[61]:
  Group  Value  Part   Ratio  Allocate
0     A   6373    10  0.6373         6
1     A   2512    10  0.2512         2
2     A    603    10  0.0603         1
3     A    512    10  0.0512         1
4     B   5200    20  0.4727         9
5     B   4800    20  0.4364         9
6     B    501    20  0.0455         1
7     B    499    20  0.0454         1

即使原始数据框没有按照 Group 进行排序也可以运行。在 df2 = pd.concat([df.iloc[:2], df.iloc[6:], df.iloc[2:6]]) 上尝试一下。

- doraemon