将自定义函数传递给 pandas .agg()

Question

我在 pandas 中有以下聚合：summary_df = df.groupby(['provider', 'id']).agg(    title           =('title', 'first'),    file_size       = *custom*).reset_index()对于file_size我想使用以下计算：sum([item['file_size'] for item in df if item['is_main_video'] is True])我将如何在 内执行上述操作.agg()？

Answer 1

agg在您的情况下，将标记一列作为源，您可以在之前创建另一列groupby

df['New'] = np.where(df['is_main_video'], df['file_size'], 0)

summary_df = df.groupby(['provider', 'id']).agg(

    title           =('title', 'first'),

    file_size       = ('New', 'sum')

).reset_index()

更新

summary_df = df.assign(New = np.where(df['is_main_video'], df['file_size'], 0)).groupby(['provider', 'id']).agg(

    title           =('title', 'first'),

    file_size       = ('New', 'sum')

).reset_index()

Answer 2

您可以Series.where暂时“忽略”您的 file_sizes，其中“is_main_video”为 False，然后执行 groupby 操作来对剩余内容进行求和：

import pandas as pd

df = pd.DataFrame({

    "provider": ["A", "A", "A", "B", "B"],

    "title": ["hello", "world", "pandas", "example", "here"],

    "is_main_video": [True, False, True, True, False],

    "file_size": [10, 12, 20, 19, 10]

})

print(df)

  provider    title  is_main_video  file_size

0        A    hello           True         10

1        A    world          False         12

2        A   pandas           True         20

3        B  example           True         19

4        B     here          False         10

aggregated_df = (df.assign(file_size=df["file_size"].where(df["is_main_video"]))

                 .groupby("provider", as_index=False)

                 .agg(

                     title=("title", "first"),

                     file_size=("file_size", "sum"))

                )

print(aggregated_df)

  provider    title  file_size

0        A    hello       30.0

1        B  example       19.0