基于DataFrame相对范围值进行Python聚合

本文介绍了如何使用 Pandas 在 DataFrame 中基于每个值的相对范围进行分组和聚合。我们将展示如何使用 groupby 和 transform 函数，结合 lambda 表达式，来实现根据指定范围内的值进行求和。通过这种方法，可以避免使用显式的 if-then 语句，从而提高代码的可读性和效率。

在数据分析中，经常需要根据数据的特定范围进行分组和聚合。例如，我们可能需要计算某个键对应的值在一定范围内的总和。Pandas 提供了强大的 groupby 和 transform 函数，可以帮助我们高效地完成这类任务。

使用 groupby 和 transform 进行聚合

下面的示例展示了如何使用 groupby 和 transform 函数，结合 lambda 表达式，来根据每个值的相对范围进行求和。

首先，创建一个示例 DataFrame：

立即学习“Python免费学习笔记（深入）”；

秒哒

秒哒-不用代码就能实现任意想法

349

查看详情

import pandas as pd

df = pd.DataFrame({
    'key': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C'],
    'value': [.1, 0.244, 0.373, 0.514, 0.663, 0.786, 0.902, 1.01, 1.151, 1.295, 1.434, 1.541, 1.679, 1.793, 1.94, 2.049, 2.164, 2.284, 2.432, 2.533, 2.68, 2.786, 2.906, 3.008, 3.136],
    'desired_ouput': [1.231, 1.894, 2.68, 3.582, 3.482, 3.238, 2.865, 4.89, 6.431, 9.903, 11.843, 10.833, 11.731, 11.731, 9.002, 7.461, 11.462, 12.093, 17.785, 20.793, 21.765, 21.765, 19.481, 17.049, 14.516]
})

接下来，定义一个范围 N，并使用 groupby 和 transform 计算每个值在其 value +/- N 范围内的总和：

N = 0.5

df["desired_output_2"] = df.groupby("key")["value"].transform(
    lambda values: [
        values[(values > (v - N)) & (values < (v + N))].sum() for v in values
    ],
)

print(df)

这段代码首先按 key 列进行分组，然后使用 transform 函数对每个分组应用一个 lambda 表达式。这个 lambda 表达式遍历每个值 v，并计算所有落在 v - N 和 v + N 范围内的值的总和。

代码解析

• df.groupby("key")["value"]: 这部分代码按照 key 列对 DataFrame 进行分组，并选择 value 列进行后续操作。
• .transform(lambda values: ...): transform 函数将 lambda 表达式应用于每个分组。lambda 表达式接受一个 values 参数，表示当前分组的 value 列。
• [values[(values > (v - N)) & (values < (v + N))].sum() for v in values]: 这是一个列表推导式，它遍历 values 中的每个值 v，并计算所有落在 v - N 和 v + N 范围内的值的总和。

注意事项

• 范围 N 的选择会直接影响聚合结果。请根据实际需求调整 N 的值。
• 这种方法在处理大型数据集时可能会比较慢。如果性能是关键，可以考虑使用其他优化技术，例如使用 NumPy 向量化操作。
• 确保你的数据类型正确。如果 value 列是字符串类型，需要先将其转换为数值类型，例如使用 df['value'] = pd.to_numeric(df['value'])。

总结

本文介绍了如何使用 Pandas 的 groupby 和 transform 函数，结合 lambda 表达式，来实现基于 DataFrame 值的相对范围进行聚合。这种方法简洁高效，可以避免使用显式的 if-then 语句，从而提高代码的可读性和可维护性。通过调整范围 N 的值，可以灵活地适应不同的聚合需求。

以上就是基于DataFrame相对范围值进行Python聚合的详细内容，更多请关注php中文网其它相关文章！