итерация функции по группе строк в python

Question

У меня есть набор данных с четырьмя столбцами: обработка (час), время (t), независимая переменная (y) и std.deviation (s_y). Лечение включает в себя 2 группы: A и B.

Я определил функцию (модель) и хочу подогнать ее под свои данные (y). Я хочу применить эту функцию к группам в колонке лечения. Я думал об использовании 'groupby' для группировки y на основе лечения. Однако моей функции необходим параметр K, который определяется на основе индекса. Например, оно должно соответствовать 3-му значению в списке y. Поскольку я хочу создавать подгруппы на основе лечения, я должен получить разные K для каждой подгруппы. Я не могу применить параметр reset.index () к groupby, поэтому я не знаю, как я могу сказать своей функции получить 3-е значение y для каждой подгруппы.

Есть ли более эффективный способ l oop функции в разных группах лечения?

Это код:

this is my df: 

  treatment  time      y     std_y 
    A         1        2.29   0.30
    A         2        2.68   0.29
    A         3        2.79   0.29 
    B         1        2.25   0.07
    B         2        2.53   0.07 
    B         3        2.55   0.07  



for i, g in df.groupby('treatment'):
    def model (t, m, B, n):
        k = 0.2 
        return K*np.exp(-m*t) + B*np.exp(-n*t)
# k is the parameter that I would like to define based on index for each group in treatment.  
# It has to correspond to the 3rd element of y, and it should be a different value for group (A and B).

    fit = curve_fit(model, g['time'], g['y'],
                sigma=g['std_y'],
                p0=None)

    ans,cov = fit
    fit_m, fit_B, fit_n = ans

Answer 1

Я не знаю точно, что делает ваш curve_fit, но в качестве быстрого примера вы ищете что-то вроде этого:

import pandas as pd
import numpy as np

data = {'treatment': ['A', 'A', 'A', 'B', 'B', 'B'],
        'time': [1, 2, 3, 1, 2, 3],
        'y': [3, 4, 5, 6, 7, 8],
        'std_y': [1.1, 2.1, 3.1, 4.1, 5.1, 6.1]}

df = pd.DataFrame(data=data)

for i, g in df.groupby('treatment'):
    def model(t, m, b, n):
        return k*np.exp(-m*t) + b*np.exp(-n*t)

    k = g.iloc[2].y
    print('k:', k, 'model_out:', model(t=1, m=2, b=4, n=4))

    fit = curve_fit(model, g['time'], g['y'], sigma=g['std_y'], p0=None)
    ans, cov = fit
    fit_m, fit_B, fit_n = ans

ПРИМЕЧАНИЕ : как Документация гласит, что функция groupby не меняет порядок наблюдений, поэтому вам следует рассмотреть возможность сортировки набора данных перед его использованием.