python pandas，DF.groupby().agg()，agg()中的列引用

小能豆

python pandas，DF.groupby().agg()，agg()中的列引用

python

在一个具体问题上，假设我有一个 DataFrame DF

 word  tag count

0 a S 30
1 the S 20
2 a T 60
3 an T 5
4 the T 10
我想为每个“单词”找到“计数”最多的“标签”。所以回报会是这样的

 word  tag count

1 the S 20
2 a T 60
3 an T 5
我不关心计数列或者订单/索引是原始的还是混乱的。返回字典 { ‘the’ : ‘S’ , …} 就可以了。

我希望我能做到

DF.groupby([‘word’]).agg(lambda x: x[‘tag’][ x[‘count’].argmax() ] )
但它不起作用。我无法访问列信息。

更抽象地说，agg( function ) 中的函数将什么视为其参数？

顺便说一句， .agg() 与 .aggregate() 相同吗？

非常感谢。

阅读 71

2024-05-20

共1个答案

小能豆

要为每个“单词”找到“计数”最多的“标签”，并返回一个字典，你可以使用groupby和apply方法来实现。在这里，agg（或aggregate）方法不太适合，因为它不能直接访问多列的数据来做这种复杂的计算。

你可以按以下步骤进行操作：

使用groupby方法按word分组。
使用apply方法在每个组中找到计数最多的标签。
将结果转换为字典格式。

以下是具体的代码示例：

import pandas as pd

# 创建 DataFrame
data = {
    'word': ['a', 'the', 'a', 'an', 'the'],
    'tag': ['S', 'S', 'T', 'T', 'T'],
    'count': [30, 20, 60, 5, 10]
}
DF = pd.DataFrame(data)

# 定义一个函数来找到每组中计数最多的标签
def get_max_tag(group):
    # 找到最大计数的行
    max_row = group.loc[group['count'].idxmax()]
    return max_row['tag']

# 使用 groupby 和 apply 方法
result = DF.groupby('word').apply(get_max_tag)

# 将结果转换为字典
result_dict = result.to_dict()

print(result_dict)

详细解释

创建 DataFrame：
python data = { 'word': ['a', 'the', 'a', 'an', 'the'], 'tag': ['S', 'S', 'T', 'T', 'T'], 'count': [30, 20, 60, 5, 10] } DF = pd.DataFrame(data)
定义函数 get_max_tag：
python def get_max_tag(group): max_row = group.loc[group['count'].idxmax()] return max_row['tag']
这个函数在每个分组内找到count最大的那一行，并返回对应的tag。
使用 groupby 和 apply：
python result = DF.groupby('word').apply(get_max_tag)
apply方法会将get_max_tag函数应用到每个分组中，并返回一个Series，其中索引是word，值是每个单词计数最多的标签。
转换为字典：
python result_dict = result.to_dict()

to_dict()方法将Series转换为字典格式。

补充

agg和aggregate是同一个方法的不同名字，可以互换使用。它们通常用于对单列数据进行聚合操作，比如求和、求平均值等。但在需要同时访问多列的数据时，apply方法更灵活。

希望这个解释和代码示例对你有帮助！如果还有其他问题，请随时问。

2024-05-20