retournant agrégé dataframe de pandas groupby

Question

J'essaye d'enrouler ma tête autour des méthodes de Pandas groupby. Je voudrais écrire une fonction qui fait des fonctions d'agrégation et retourne ensuite un DataFrame Pandas. Voici un exemple grossièrement simplifié utilisant sum(). Je sais qu'il existe des moyens plus faciles à faire des sommes simples, dans la vie réelle ma fonction est plus complexe:

import pandas as pd 
df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B'], 'col2':[1.0, 2, 3, 4]}) 

In [3]: df 
Out[3]: 
    col1 col2 
0 A  1 
1 A  2 
2 B  3 
3 B  4 

def func2(df): 
    dfout = pd.DataFrame({ 'col1' : df['col1'].unique() , 
          'someData': sum(df['col2']) }) 
    return dfout 

t = df.groupby('col1').apply(func2) 

In [6]: t 
Out[6]: 
     col1 someData 
col1     
A 0 A   3 
B 0 B   7 

Je ne pensais pas avoir col1 là-dedans deux fois n'a pas non plus je pense que l'indice de mystère regardant la chose. Je pensais vraiment que je voudrais juste obtenir col1 & someData.

Dans mon application réelle, je regroupe plus d'une colonne et j'aimerais vraiment récupérer un objet DataFrame et non un objet Series.
Des idées pour une solution ou une explication sur ce que Pandas est en train de faire dans mon exemple ci-dessus?

----- ----- ajouté Informations

je aurais dû commencer par cet exemple, je pense:

In [13]: import pandas as pd 

In [14]: df = pd.DataFrame({'col1':['A','A','A','B','B','B'], 'col2':['C','D','D','D','C','C'], 'col3':[.1,.2,.4,.6,.8,1]}) 

In [15]: df 
Out[15]: 
    col1 col2 col3 
0 A C 0.1 
1 A D 0.2 
2 A D 0.4 
3 B D 0.6 
4 B C 0.8 
5 B C 1.0 

In [16]: def func3(df): 
    ....:   dfout = sum(df['col3']**2) 
    ....:   return dfout 
    ....: 

In [17]: t = df.groupby(['col1', 'col2']).apply(func3) 

In [18]: t 
Out[18]: 
col1 col2 
A  C  0.01 
     D  0.20 
B  C  1.64 
     D  0.36 

Dans l'illustration ci-dessus le résultat de la fonction apply() est une série Pandas. Et il manque les colonnes groupby de la df.groupby. L'essence de ce à quoi je me bats est comment créer une fonction que j'applique à un groupe en lui retournant à la fois le résultat de la fonction ET les colonnes sur lesquelles il a été groupé?

----- ------ encore une autre mise à jour

Il semble que si je le fais alors:

pd.DataFrame(t).reset_index() 

je reviens un dataframe qui est vraiment proche de ce que j'étais après.

Answer 1

La raison pour laquelle vous voyez les colonnes avec 0 est parce que la sortie de .unique() est un tableau.

La meilleure façon de comprendre comment votre application va travailler est d'inspecter chaque groupe sage l'action:

In [11] :g = df.groupby('col1') 

In [12]: g.get_group('A') 
Out[12]: 
    col1 col2 
0 A  1 
1 A  2 

In [13]: g.get_group('A')['col1'].unique() 
Out[13]: array([A], dtype=object) 

In [14]: sum(g.get_group('A')['col2']) 
Out[14]: 3.0 

La plupart du temps, vous voulez que ce soit une valeur agrégée .

La sortie de grouped.apply aura toujours les étiquettes de groupe sous forme d'index (les valeurs uniques de « col1 »), de sorte que votre construction exemple de col1 me semble un peu obtus.

Remarque: Pour afficher 'col1' (l'index) dans une colonne, vous pouvez appeler reset_index, dans ce cas.

In [15]: g.sum().reset_index() 
Out[15]: 
    col1 col2 
0 A  3 
1 B  7