将 df 与用户定义的函数聚合

我有一个关于将 pandas 数据帧与用户定义的函数聚合的问题。如果我有一个数据帧并在有或没有 groupby 的情况下运行 agg，则在使用内置函数时会聚合结果。另一方面，如果我使用自定义函数，则在使用 groupby 时它会按预期工作。当不使用 groupby 时，不会进行聚合。有没有一种方法可以在不使用 groupby 并使用自定义函数的情况下进行聚合？我知道可以只添加一个虚拟变量，但这不是首选的解决方案。测试 1-3 按预期工作，但测试 4 不工作。

df = pd.DataFrame(columns=['a', 'b', 'c'])
n=1000
np.random.seed(0)

df['a'] = np.random.rand(n)
df['a'] = np.random.rand(n)
df['c'] = np.random.randint(1, 4, size=n)

def CoV(_s):
    return pd.Series({'CoV' : np.std(_s)/np.mean(_s)})

test1 = df.agg({'a':['std', np.mean]})
print(test1)

test2 = df.groupby(['c']).agg({'a':['std', np.mean]})
print(test2)

test3 = df.groupby(['c']).agg({'a':[CoV]})
print(test3)

# does not work as intended, no aggregation
test4 = df.agg({'a':[CoV]})
print(test4)

这里的答案都没有解决why这是失败的。如果您深入研究 pandas 代码，当 UDF 传递给df.agg，每列的 Series 对象将传递给 UDF。

在您的情况下，使用字典选择 Series 对象（一列），然后将 UDF 传递到 Series 对象的Series.agg功能。因为它不是一个已知的函数（比如字符串'mean'），它最终被传递给Series.apply，它将函数映射到 Series 对象中的每个值。这就是您看到的结果。

幸运的是，UDF 传递给Series.apply发生在一个try/except堵塞。如果无法使用Series.apply(func)，它通过以下方式将 Series 对象传递给函数func(Series)。如果传递的对象不是 Series 或 DataFrame，您可以使用它来修改代码以引发错误。

def CoV(_s):
    if not isinstance(_s, (pd.Series, pd.DataFrame, np.array)):
        raise TypeError()
    return pd.Series({'CoV' : np.std(_s)/np.mean(_s)})

现在将其传递给.agg正如您所期望的那样工作。这是一个很棘手的解决方法，但它确实有效。

df.agg({'a': CoV})
# returns:
            a
CoV  0.584645

EDIT:

为了让它与其他功能一起使用，比如'mean'，不幸的是，您还必须将它们作为 UDF 传递。更糟糕的是，UDF 的结果累积与内置函数的结果累积不同。 Pandas 只是使用分层列索引水平堆叠它们。一个简单的stack and reset_index解决这个问题。

def check_input(fn):
    def wrapper(_s, *args, **kwargs):
        if not isinstance(_s, (pd.Series, pd.DataFrame, np.array)):
            raise TypeError()
        return fn(_s, *args, **kwargs)
    wrapper.__name__ = fn.__name__
    return wrapper

@check_input
def Mean(_s):
    return pd.Series({'Mean': np.mean(_s)})

@check_input
def CoV(_s):
    return pd.Series({'CoV' : np.std(_s)/np.mean(_s)})

df.agg({'a': [CoV, Mean], 'c': Mean}).stack().reset_index(level=-1, drop=True)
# returns:
             a      c
CoV   0.584645    NaN
Mean  0.511350  2.011