例如，对按字符串索引分组的数据应用自定义函数

Question

我有数据要按城市和日期分组（单独的列），并使用剩余的列计算新值。更具体地说，其他列是6个种族的按种族统计的人数。因此，我有8列，两个分组列和6个我想总结的列。我想通过计算熵来总结它们 每天

然而，城市和白天是字符串，我的熵函数不喜欢这样。当分组列是int64时，它就工作了。我尝试将city和day列转换为虚拟变量，但错误仍然存在

借用this post，下面是一个使用我的函数的例子

# The function
def newEntropy(x):
    A = x

    pA = A / A.sum()
    Shannon2 = -np.nansum(pA * np.log2(pA))

    return Shannon2

# Make fake data
df = pd.DataFrame(np.random.rand(20,5), columns=list('abcde'))
df['group'] = [0, 0, 0, 0, 1, 1, 2, 2, 2, 2, 2, 3, 3, 4, 4, 4, 4, 4, 5, 5]
df['group2'] = [6, 6, 6, 7, 7, 7, 7, 7, 8, 8, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10]

# Works
df.groupby(['group', 'group2']).apply(newEntropy)

# Having an index column that is a string causes failure
df['group2'] = df['group2'].astype('str')
df.groupby(['group', 'group2']).apply(newEntropy)

我得想办法让新熵发挥作用。它似乎应该忽略分组列，但事实并非如此。我也不希望将'group2'转换为int64，因为在我的实际数据中它是'YYYY-MM-DD'。我的数据相当于'group1'也是一个国家名称，我更喜欢保留为字符串

我应该说，我可以创建一个新的数据帧，它是我想要的分组，然后对它应用newEntropy。如果有更简洁的东西就好了，感觉应该更简单

Answer 1

你想在apply后面function的列有多具体

df.groupby(['group', 'group2'])[list('abcde')].apply(newEntropy)
Out[191]: 
group  group2
0      6         6.057044
       7        -0.000000
1      7         4.485942
2      7         4.879091
       8         3.727744
       9        -0.000000
3      9         4.751447
4      9        -0.000000
       10        8.993928
5      10        4.191522
dtype: float64