假設我有一個sim_data包含 16 個變量的數據集 ( )，其中包括心理數據（問卷中的 15 個項目），第一列是分類變量（國家/地區）。我可以使用以下方法輕松按組獲取方法/標準差：sim_data.groupby("country").describe()但是，我想將來自特定包的函數（Cronbach 的 alpha）(pip install pingouin和（ ）與此數據一起應用，并按組import pingouin as pg獲取結果（就像我之前所做的那樣）。以下代碼不起作用。pg.cronbach_alpha(sim_data.groupby("country"))這一個都不是sim_data.groupby('country').apply(lambda?grp:?pg.cronbach_alpha())重要筆記：如果你想重現，那是我的例程和數據集我是一個重度 R 用戶，我正在將以下代碼翻譯成 pythonsim_data %>%? select('step_bfi1_ab_cor':'step_bfi39_ab_cor', "country") %>%? nest(-country) %>%? mutate(result=map(data, ~psych::alpha(.)$total)) %>%? select(country,result) %>%? unnest()歡迎提出建議。如果有另一種方法（更優雅）來解決我的問題，請告訴我。謝謝
2 回答
慕婉清6462132
TA貢獻1804條經驗 獲得超2個贊
通常，base R（不是 tidy R）更容易轉換為 Python Pandas。您的 R 代碼似乎在做的是按國家/地區列對數據框進行子集化，并將每個子集運行到psych::alpha(). 然后將提取的統計數據返回到帶有國家指標的數據框中。
您可以對基數 R 執行完全相同的操作，它可以在列表理解中by轉換為 Pandas 。groupby看起來psych::alpha返回的統計數據比pingouin.cronbach_alpha. 根據需要在未經測試的代碼中調整字段和返回值。
基礎 R （使用文檔）
# DEFINE METHOD
run_cronbach_alpha <- function(sub) {
results <- psych::alpha(sub)$total # RETURNS LIST
data.frame(country = sub$country[1],
raw_alpha = results$raw_alpha,
std.alpha = results$std.alpha,
G6 = results$G6,
average_r = results$average_r,
median_r = results$median,
mean = results$mean,
sd = results$sd)
}
# FILTER COLUMNS IN DATA FRAME
sim_short <- sim_data[c("step_bfi1_ab_cor", ..., "step_bfi39_ab_cor", "country")]
# RUN METHOD BY COUNTRY SUBSETS TO RETURN DF LIST
results_df_list <- by(sim_short, sim_short$country, run_cronbach_alpha)
# ROW BIND ALL DFs TO SINGLE FINAL DATA FRAME
results_df <- do.call(rbind.data.frame, results_df_list)
Python Pandas （使用文檔）
# DEFINE METHOD
def run_cronbach_alpha(c, sub):
results = pg.cronbach_alpha(sub.drop(["country"], axis="columns")) # RETURNS TUPLE
return pd.DataFrame({'country': c, 'cronbach_alpha': results[0], index=[0]})
# FILTER COLUMNS IN DATA FRAME
sim_short = sim_data.reindex(["step_bfi1_ab_cor", ..., "step_bfi39_ab_cor", "country"],
axis='columns')
# RUN METHOD BY COUNTRY SUBSETS TO RETURN DF LIST
results_df_list = [run_cronbach_alpha(i, df) for i,df in sim_short.groupby("country")]
# CONCATENATE ALL DFs TO SINGLE FINAL DATA FRAME
results_df = pd.concat(results_df_list)
慕村9548890
TA貢獻1884條經驗 獲得超4個贊
def run_cronbach_alpha(c, sub):
? ? results = pg.cronbach_alpha(sub.drop(["country"], axis="columns"))? ? # RETURNS TUPLE
? ? return pd.DataFrame({'country': c, 'cronbach_alpha': results[0]}, index = ["Result"])
? ? ? ? ? ? ? ? ? ? ? ?
# RUN METHOD BY COUNTRY SUBSETS TO RETURN DF LIST
results_df_list = [run_cronbach_alpha(i, df) for i,df in sim_data.groupby("country")]
results_df_list
添加回答
舉報
0/150
提交
取消