重命名pandas.DataFrame.groupby.apply（）后的列

Question

我需要将scipy.stats应用于按分组列的pandas DataFrame。我希望能够在结果DataFrame中保留列的名称。这是迄今为止我所拥有的。

从一些随机数据开始演示。

df = pd.DataFrame(np.random.randn(10, 5), 
      columns=['a', 'b', 'c', 'd', 'e']) 
df['category'] = pd.Series(["1","2","3","1","1","3","2","3","1","2"]) 
df.head() 

输出：

a   b   c   d   e   category 
0 -0.384575 -1.722937 0.868886 -1.843398 -1.659861 1 
1 1.170742 -2.732823 0.974790 -0.167318 0.399720 2 
2 -0.330587 -0.214645 -0.196441 0.768405 1.256272 3 
3 0.961955 -0.270461 -0.226601 1.911941 -0.595420 1 
4 0.596214 0.122938 2.420786 0.113196 0.734691 1 

这里有我想要的东西例如，使用sum()功能：

grouped = df.groupby('category') 
grouped.sum() 

输出：

a   b   c   d   e 
category      
1 -0.246350 -0.973571 4.525511 2.690969 -2.216404 
2 2.238123 -3.794821 -0.457655 -1.248493 -0.342675 
3 -1.049097 1.359168 1.125174 0.659131 2.139560 

注意，列有正确的标签。现在的问题：

grouped.apply(kurtosis) 

输出：

category 
1 [-1.40177576836, -1.02037807436, -1.1792712163... 
2      [-1.5, -1.5, -1.5, -1.5, -1.5] 
3      [-1.5, -1.5, -1.5, -1.5, -1.5] 
dtype: object 

注意，这不再是一个数据帧，并没有列名。所以，我试图让聪明，输出与指定名称的系列 - 但它不工作：

grouped.apply(lambda x: pd.Series(kurtosis(x), name=x.name)) 

输出：

 0   1   2   3   4 
category      
1 -1.401776 -1.020378 -1.179271 -1.384131 -0.984184 
2 -1.500000 -1.500000 -1.500000 -1.500000 -1.500000 
3 -1.500000 -1.500000 -1.500000 -1.500000 -1.500000 

任何想法？我错过了什么？

Answer 1

不知道为什么发生这种情况（我提出了一个TypeError代替），但你可以使用agg：

df.groupby("category").agg(kurtosis) 
Out[16]: 
       a   b   c   d   e 
category             
1  -1.18953 -1.013635 -1.756748 -1.167473 -1.271358 
2  -1.50000 -1.500000 -1.500000 -1.500000 -1.500000 
3  -1.50000 -1.500000 -1.500000 -1.500000 -1.500000