如何使用Python Pandas复现R实现的自定义数据聚合逻辑

你给出的R dplyr逻辑可以完全通过pandas的groupby方法实现，不需要使用pivot_table，逻辑和输出完全对齐：

完整实现代码 #

import pandas as pd

# 按A/B/C/D/E/F六列分组，对应R的group_by逻辑，as_index=False避免分组键转为索引
df1 = df.groupby(['A', 'B', 'C', 'D', 'E', 'F'], as_index=False).agg(
    # 对应R的v1、v2计算规则
    v1 = ('v1', lambda val: (val / 7) * 6),
    v2 = ('v2', lambda val: (val / 7) * 6),
    # 对应R的v3取分组均值
    v3 = ('v3', 'mean')
)

# 若需要和你给出的预期输出列完全一致，去掉不需要的F列即可
df1 = df1.drop(columns=['F'])

逻辑对齐说明 #

• 原R代码中每个(A,B,C,D,E,F)的分组在你提供的样例中仅对应1行数据，因此v3取均值的结果和原始值完全一致，符合预期输出
• as_index=False参数对应R代码末尾的data.frame()效果，分组键会作为普通列保留，不会转为DataFrame的索引
• 该实现为pandas原生向量化操作，面对大数据量也能保持较好的运行性能

内容的提问来源于stack exchange，提问作者Prasad Patil