转载：https://mp.weixin.qq.com/s/6FECFHIkyItYnmQ37Vn_SQ
大家好，我是Peter~
本文主要是给大家介绍3个Pandas日常高频使用函数：apply + agg + transform。
模拟数据
模拟了一份简单的数据
In [1]:
import pandas as pd
import numpy as np
In [2]:
df = pd.DataFrame(
{"name":["xiaoming","sunjun","jimmy","tom"],
"sex":["male","female","female","male"],
"chinese":[100,80,90,92],
"math":[90,100,88,90]
})
df
Out[2]:
| name | sex | chinese | math | |
|---|---|---|---|---|
| 0 | xiaoming | male | 100 | 90 |
| 1 | sunjun | female | 80 | 100 |
| 2 | jimmy | female | 90 | 88 |
| 3 | tom | male | 92 | 90 |
函数apply
一个非常灵活的函数，能够对整个DataFrame或者Series执行给定函数的操作。
函数可以是自定义的，也可以是python或者pandas内置的函数，还可以是匿名函数。
使用1：自带函数
改变字段类型：从int64变成float64
In [3]:
df.dtypes # 改变前
Out[3]:
name object
sex object
chinese int64
math int64
dtype: object
In [4]:
df["chinese"] = df["chinese"].apply(float)
In [5]:
df.dtypes # 改变后
Out[5]:
name object
sex object
chinese float64
math int64
dtype: object
使用2：自定义函数
In [6]:
def change_sex(x): # male-0 female-1
return 0 if x == "male" else 1
In [7]:
df["sex"] = df["sex"].apply(change_sex)
df # 改变后
使用3：匿名函数lambda
In [8]:
# float--->int
df["chinese"] = df["chinese"].apply(lambda x: int(x))
df.dtypes
Out[8]:
name object
sex int64
chinese int64
math int64
dtype: object
In [9]:
# 将name变成首字母大写
df["name"] = df["name"].apply(lambda x: x.title())
df
# 同时操作两列，记得axis=1
df["score"] = df.apply(lambda x: x["chinese"] + x["math"], axis=1)
df
函数agg
操作Series数据
In [11]:
# 1
df["chinese"].agg(["mean", "sum"])
Out[11]:
mean 90.5
sum 362.0
Name: chinese, dtype: float64
操作DataFrame数据
In [12]:
# 2
df[["chinese","math"]].agg({"chinese":["sum"], "math":["mean"]})
Out[12]:
| chinese | math | |
|---|---|---|
| sum | 362.0 | NaN |
| mean | NaN | 92.0 |
In [13]:
# 3
df[["chinese","math"]].agg({"chinese":["sum","mean"], "math":["mean"]})
Out[13]:
| chinese | math | |
|---|---|---|
| sum | 362.0 | NaN |
| mean | 90.5 | 92.0 |
groupby + agg的联合使用：
In [14]:
# 4
df.groupby("sex").agg(["mean","sum"])
# 5
df.groupby("sex").agg({"chinese":["mean"], "math":["sum","min","max"]})
还可以自定义新生成的字段名称：
df.groupby("sex").agg(chinese_mean=("chinese","mean"), math_min=("chinese","min"))
函数transform
现在的df是这样子：
假设有一个需求：统计性别男女 sex 的chinese 的平均分（新增一个字段放在最后面），如何实现？
方法1：使用groupby + merge
In [18]:
# 1、先groupby
df1 = df.groupby("sex")["chinese"].mean().reset_index()
df1.columns = ["sex", "average"]
df1
# 2、merge
# 结果
df = pd.merge(df, df1, on="sex")
df
方法2：groupby + map
In [20]:
dic = df.groupby("sex")["chinese"].mean().to_dict()
dic
Out[20]:
{0: 96.0, 1: 85.0}
In [21]:
df["average_map"] = df["sex"].map(dic)
df
方法3：使用transform
使用transform可以一步到位
df["average_tran"] = df.groupby("sex")["chinese"].transform("mean")
df
你学会了吗？欢迎加入星球，一起学习数据分析、pandas