我有一个DataFrame如下所示:
df = {'col_1': [1,2,3,4,5,6,7,8,9,10],
'col_2': [1,2,3,4,5,6,7,8,9,10],
'col_3':['A','A','A','A','A','B','B','B','B','B']}
df = pd.DataFrame(df)
虽然我使用的实际数据有数百列,但我想使用不同的函数(如
min
,max
以及自定义函数,例如:def dist(x):
return max(x) - min(x)
def HHI(x):
ss = sum([s**2 for s in x])
return ss
我不想浪费很多行,而是想要一个像这样的函数:
def myfunc(cols,fun):
return df.groupby('col_3')[[cols]].transform(lambda x: fun)
# which allow me to do something like:
df[['min_' + s for s in cols]] = myfunc(cols, min)
df[['max_' + s for s in cols]] = myfunc(cols, max)
df[['dist_' + s for s in cols]] = myfunc(cols, dist)
在Python中这可能吗(我的猜测是"is")?
那怎么办
编辑======关于自定义功能的名称========
根据
jpp
的解决方案,我要求的是可能的,至少对于bulit-in函数而言,更多的工作需要考虑自定义函数。一个可行的解决方案,
temp = df.copy()
for func in ['HHI','DIST'] :
print(func)
temp[[ func + s for s in cols]] = df.pipe(myfunc,cols,eval(func))
这里的关键是使用
eval
功能将字符串表达式转换为函数。但是,有更好的方法可以做到这一点,我们拭目以待。编辑======每个jpp关于自定义函数名称的评论=======
jpp的将函数名直接输入
myfun
的注释根据我的测试是有效的,但是,基于func
的新列名将类似于:<function HHI at 0x00000194460019D8>
,它不是很可读,修改为temp[[ str(func.__name__) + s for s in cols]]
,希望这对那些来以后再解决这个问题。 最佳答案
这是使用 pd.DataFrame.pipe
的一种方法。
使用Python,所有内容都是一个对象,无需进行类型检查就可以传递。理念是“不要检查它是否有效,只需尝试一下...”。因此,您可以将字符串或函数传递给myfunc
,然后将其传递给 transform
,而不会产生任何有害的副作用。
def myfunc(df, cols, fun):
return df.groupby('col_3')[cols].transform(fun)
cols = ['col_1', 'col_2']
df[[f'min_{s}' for s in cols]] = df.pipe(myfunc, cols, 'min')
df[[f'max_{s}' for s in cols]] = df.pipe(myfunc, cols, 'max')
df[[f'dist_{s}' s in cols]] = df.pipe(myfunc, cols, lambda x: x.max() - x.min())
结果:
print(df)
col_1 col_2 col_3 min_col_1 min_col_2 max_col_1 max_col_2 dist_col_1 \
0 1 1 A 1 1 5 5 4
1 2 2 A 1 1 5 5 4
2 3 3 A 1 1 5 5 4
3 4 4 A 1 1 5 5 4
4 5 5 A 1 1 5 5 4
5 6 6 B 6 6 10 10 4
6 7 7 B 6 6 10 10 4
7 8 8 B 6 6 10 10 4
8 9 9 B 6 6 10 10 4
9 10 10 B 6 6 10 10 4
dist_col_2
0 4
1 4
2 4
3 4
4 4
5 4
6 4
7 4
8 4
9 4
关于python - 使用其他函数名称作为参数来定义函数,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/52682614/