使用Groupby时调用具有多个参数的函数

Question

编写要与一起使用的函数时groupby.apply或者groupby.transform在pandaps中，如果函数有多个参数，那么当作为groupby的一部分调用函数时，参数跟在逗号后面而不是括号中。例如：

def Transfunc(df, arg1, arg2, arg2):
     return something

GroupedData.transform(Transfunc, arg1, arg2, arg3)

其中df参数作为第一个参数自动传递。在

但是，在使用函数对数据进行分组时，似乎不可能使用相同的语法。以下面的例子为例：

^{pr2}$

上面的方法很好，但是我不明白为什么要用lambda来包装函数。根据transform and apply使用的语法，我认为以下方法应该可以正常工作：

people.groupby(MeanPosition, people, 'a').mean()

有人能告诉我为什么吗？或者我如何在不使用lambda包装的情况下调用函数？在

谢谢

编辑：我认为不可能通过传递函数作为键来分组数据，而不将该函数包装在lambda中。一种可能的解决方法是传递由函数创建的数组，而不是将函数作为键传递。这将以以下方式工作：

def MeanPositionList(df, Column):
    return ['Greater Group' if df[Column][row] >= np.mean(df[Column]) else 'Lesser Group' for row in df.index]

Grouped = people.groupby(np.array(MeanPositionList(people, 'a')))
Grouped.mean()

但当然，最好是把中间人函数都去掉，只使用一个带有列表压缩的数组。。。。在

Answer 1

将参数传递给apply正好可以，因为apply将所有参数传递给目标函数。在

但是，groupby需要多个参数，请参见here，因此无法区分参数；传递lambda/命名函数更显式，而且是正确的方法。在

下面是如何做我认为您想要的（稍微修改一下，因为您的示例中有所有不同的组）

In [22]: def f(x):
   ....:     result = Series('Greater',index=x.index)
   ....:     result[x<x.mean()] = 'Lesser'
   ....:     return result
   ....: 

In [25]: df = DataFrame(np.random.randn(5, 5), columns=['a', 'b', 'c', 'd', 'e'], index=['Joe', 'Joe', 'Wes', 'Wes', 'Travis'])

In [26]: df
Out[26]: 
               a         b         c         d         e
Joe    -0.293926  1.006531  0.289749 -0.186993 -0.009843
Joe    -0.228721 -0.071503  0.293486  1.126972 -0.808444
Wes     0.022887 -1.813960  1.195457  0.216040  0.287745
Wes    -1.520738 -0.303487  0.484829  1.644879  1.253210
Travis -0.061281 -0.517140  0.504645 -1.844633  0.683103

In [27]: df.groupby(df.index.values).transform(f)
Out[27]: 
              a        b        c        d        e
Joe      Lesser  Greater   Lesser   Lesser  Greater
Joe     Greater   Lesser  Greater  Greater   Lesser
Travis  Greater  Greater  Greater  Greater  Greater
Wes     Greater   Lesser  Greater   Lesser   Lesser
Wes      Lesser  Greater   Lesser  Greater  Greater