Панды получают фрейм данных с «индивидуальным описанием»

Question

У меня есть фрейм данных, который выглядит как

dftest=pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns= 
['w','v1','v2','v3'])
df['x']=np.random.choice(a=[False, True], size=(1, 10), p=[0.5, 0.5])[0]

Я хотел бы получить фрейм данных, равный

df.groupby('x').describe()

, за исключением того, что я хотел бы получить средневзвешенное значение

df.groupby(['x']).apply(lambda x: np.average(x['v1'], weights=x['w'], axis=0))

и в качестве дополнительного столбца 'std' / ('count'-1)

Когда я пытаюсь

df.groupby(['x']).apply(lambda x: np.average(x[['v1','v2','v3']], weights=x['w'], axis=0))

, я получаю фрейм данных с 1 столбцом, содержащим списокиз 3-х значений вместо 3-х столбцов.

Как все это аккуратно поместить в обычный фрейм данных?

Answer 1

Используйте pd.Series для DataFrame, если необходимо добавить к describe, сначала добавьте новый уровень MultiIndex, а затем join:

df1 = df.groupby('x').describe()

w = df.groupby(['x']).apply(lambda x: pd.Series(np.average(x[['v1','v2','v3']], 
                                          weights=x['w'], axis=0), index=['v1','v2','v3']))
w.columns = [w.columns, ['w_mean'] * len(w.columns)]
print (w)
             v1        v2        v3
         w_mean    w_mean    w_mean
x                                  
False  4.047619  2.142857  4.714286
True   4.750000  3.937500  3.250000

df1 = df1.join(w).sort_index(axis=1)
print (df1)
         v1                                                             v2  \
        25%  50%   75% count  max      mean  min       std    w_mean   25%   
x                                                                            
False  2.25  3.5  6.25   6.0  9.0  4.333333  1.0  3.076795  4.047619  2.00   
True   1.75  4.5  7.50   4.0  9.0  4.750000  1.0  3.862210  4.750000  2.75   

          v3               w                                  \
         std    w_mean   25%  50%   75% count  max mean  min   
x        ...                                                                
False    ...     3.271085  4.714286  6.50  8.0  8.75   6.0  9.0  7.0  2.0   
True     ...     3.109126  3.250000  0.75  3.5  6.75   4.0  9.0  4.0  0.0   


            std  
x                
False  2.683282  
True   4.242641  

[2 rows x 35 columns]