Pandas DataFrame.Groupby.Agg 字典中的自定义列选择

Question

我在选择要在 Pandas.DataFrame.Groupby.agg 中插入哪些列时遇到问题。

这是获取和准备数据的代码。

# Data Collecting and library import

from pandas_datareader import data

import pandas as pd

symbol = 'AAPL'

source = 'yahoo'

start_date = '2018-01-01'

end_date = '2019-04-24'

stock = data.DataReader(symbol, source, start_date, end_date)

new_range = pd.date_range(start="2018-1-1", end="2019-12-30")

stock = stock.reindex(new_range).fillna(method='ffill').fillna(method='bfill')

stock['Day'] = stock.index.weekday_name

stock['Month'] = stock.index.month_name()

stock['Size'] = stock['High'].apply(lambda x: 'Big' if x>175 else 'Small')

stock['Other Size'] = stock['Low'].apply(lambda x: 'Big' if x>175 else 'Small')

stock.round(2)

stock.head(10)

这导致 

到目前为止我所做的是

stock.groupby(['Day', 'Month']).agg(

    {

        'High' : [min, 'mean', max],

        'Low' : [min, 'mean', max],

        'Open' : 'mean',

        'Size' : lambda x: x.value_counts().index[0],

        # Other_non_numeric : lambda x: x.value_counts().index[1],

        # Other_columns : 'mean'

    }

).round(2)

这导致：

问题是：

1. 如何包含其他非数字列？

2. 如何在字典中包含其他未确定的列并将方法设置为“平均值”？

Answer 1

1）要确定一列是否为数字，您可以使用pandas.api.types.is_numeric_dtype2）要查找剩余的列，您可以使用set(df.columns)减去您使用的列groupby以及具有特定聚合函数的列，例如from pandas.api.types import is_numeric_dtypefields_groupby = ['Day', 'Month']fields_specific = {    'High': [min, 'mean', max],    'Low': [min, 'mean', max],    'Open': 'mean',    'Size': lambda x: x.value_counts().index[0],}fields_other = set(set(stock.columns) - set(fields_groupby) - set(fields_specific))fields_agg_remaining = {col: 'mean' if is_numeric_dtype(stock[col]) else lambda x: x.value_counts().index[1] for col in fields_other}之后，将 和 的集合组合为fields_specificaggfields_agg_remaining字段列表agg_fields = fields_agg_remainingagg_fields.update(fields_specific)stock.groupby(['Day', 'Month']).agg(agg_fields).round(2)编辑：您可以组合所有内容以将它们放入字典参数中，例如：stock.groupby(['Day', 'Month']).agg(    {col:         [min, 'mean', max] if col in ['High', 'Low'] else         'mean' if col in ['Open'] else         lambda x: x.value_counts().index[0] if col in ['Size'] else         'mean' if is_numeric_dtype(stock[col]) else         lambda x: x.value_counts().index[1] for col in set(set(stock.columns) - {'Day', 'Month'})}).round(2)