要基于groupby和pandas DataFrame创建一个新的字典列,可以按照以下步骤进行操作:
import pandas as pd
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'two', 'two', 'one', 'two', 'one'],
'C': [1, 2, 3, 4, 5, 6, 7, 8],
'D': [10, 20, 30, 40, 50, 60, 70, 80]}
df = pd.DataFrame(data)
df['new_column'] = df.groupby(['A', 'B']).apply(lambda x: {'sum_C': x['C'].sum(), 'mean_D': x['D'].mean()})
在这个例子中,我们按照列'A'和列'B'进行分组,然后使用apply方法对每个分组进行操作。在lambda函数中,我们计算了列'C'的总和和列'D'的平均值,并将结果存储在一个字典中。最后,将这个字典赋值给新的列'new_column'。
print(df)
输出结果如下:
A B C D new_column
0 foo one 1 10 {'sum_C': 1, 'mean_D': 10}
1 bar one 2 20 {'sum_C': 2, 'mean_D': 20}
2 foo two 3 30 {'sum_C': 8, 'mean_D': 40}
3 bar two 4 40 {'sum_C': 4, 'mean_D': 40}
4 foo two 5 50 {'sum_C': 8, 'mean_D': 40}
5 bar one 6 60 {'sum_C': 2, 'mean_D': 20}
6 foo two 7 70 {'sum_C': 8, 'mean_D': 40}
7 foo one 8 80 {'sum_C': 1, 'mean_D': 10}
可以看到,新的字典列'new_column'已经成功创建,并包含了每个分组的计算结果。
这是基于groupby和pandas DataFrame创建新的字典列的方法。在实际应用中,可以根据具体需求进行适当的修改和扩展。
领取专属 10元无门槛券
手把手带您无忧上云