对于 Pandas DataFrame 进行分组后，计算每个组的最小值、最大值、平均值和中位数，并将结果合并。

Question

我有一个pandas DataFrame，想在一列上执行最小值、最大值、平均值、中位数的计算，使用A、B和C列进行分组。 然后我想将结果合并到初始DataFrame中。 当我计算中位数时，我成功地使用了以下内容：

pandas_df: pd.DataFrame = my_pandas_sql.pull_data_from_mysqldb(query=sql_string)
median_px = pandas_df.groupby(['ZIP', 'Updated', 'Buy/Rent'])[['Px/SQM']].apply(np.median)
median_px.name = 'Median Px/SQM'
result_median_df = pandas_df.join(median_px, on=['ZIP', 'Updated', 'Buy/Rent'], how="left")
result_median_df.to_csv(path_or_buf='median.csv')

但是当我尝试计算最小值和最大值并将其添加到DataFrame时，出现以下错误：

ValueError: columns overlap but no suffix specified: Index(['Px/SQM'], dtype='object')

用于计算最小值或最大值的代码：

pandas_df: pd.DataFrame = my_pandas_sql.pull_data_from_mysqldb(query=sql_string)
min_px = pandas_df.groupby(['ZIP', 'Updated', 'Buy/Rent'])[['Px/SQM']].apply(np.min)
min_px.name = 'Min Px/SQM'
result_min_df = pandas_df.join(min_px, on=['ZIP', 'Updated', 'Buy/Rent'], how="left")
result_min_df.to_csv(path_or_buf='min_px.csv')

我尝试使用后缀，它可以工作，但我想使用我的自定义列fullname。或者说我必须在使用后重命名吗？

此外，我相信有一种方法可以将请求作为数组：[np.min，np.mean，np.median，np.max]，并使用agg重命名列，但我无法使其工作。

链接：

• Pandas分组中的最大和最小日期

• Pandas：计算列组的中位数

pandas_df: pd.DataFrame = my_pandas_sql.pull_data_from_mysqldb(query=sql_string)
min_px = pandas_df.groupby(['ZIP', 'Updated', 'Buy/Rent'])[['Px/SQM']].apply(np.min)
min_px.name = 'Min Px/SQM'
result_min_df = pandas_df.join(min_px, on=['ZIP', 'Updated', 'Buy/Rent'], how="left", lsuffix="_min")
result_min_df.to_csv(path_or_buf='min_px.csv')

在得到了很好的答案后，只是想评论一下。

我试图使用这里显示的代码，但触发了很多警告，并且比提出的解决方案慢：

df1=pandas_df.groupby(['ZIP', 'Updated', 'Buy/Rent']).agg({'Px/SQM':                                                                   {'Min': np.min,'Max': np.max,'Mean': np.mean,'Median': np.median                                                                  }} ).reset_index()df3= pd.merge(pandas_df, df1, on=['ZIP', 'Updated', 'Buy/Rent'], how='left')

- Je Je

Answer 1

当您需要向原始数据框添加列时，您可以始终使用"transform"。最初的回答。

g=pandas_df.groupby(['ZIP', 'Updated', 'Buy/Rent'])['Px/SQM']

pandas_df['Max']=g.transform('max')
pandas_df['Min']=g.transform('min')
pandas_df['Median']=g.transform(np.median)
pandas_df['Mean']=g.transform('mean')

- BENY

---

谢谢，我原本打算使用下面的代码，但是它会触发很多警告： - Je Je

我有四十万行数据。每个转换调用大约需要一分钟的时间。有没有一种方法可以在一个步骤中计算最小值、最大值和平均值列？ - Ryan