Pandas分组聚合之使用自定义函数方法transform()、apply()
胡桃の壶 人气:0创建一个dataframe结构
import pandas as pd df = pd.DataFrame( data={ 'name': ['z_s', 'l_s', 'w_w', 'z_l', 'y_s', 'j_j', 'l_b', 'z_f', 'hs_q', 'lbl_k', 'qy_n', 'mg_n'], 'score': [100, 97, 98, 89, 67, 59, 29, 87, 78, 89, 88, 80], 'group': [1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2], 'cls': ['A', 'A', 'A', 'B', 'B', 'B', 'A', 'A', 'A', 'B', 'B', 'B'], 'height': [178.0, 180.0, 176.0, 182.0, 189.0, 190.0, 172.5, 175.0, 165.0, 160.0, 158.5, 159.0] }, index=['stu_' + str(i) for i in np.arange(1, 13, 1)] ) print('df:\n', df) def func_add_one(x): return x + 1
transform方法
# 调用自定义函数 ret = df.loc[:, 'score'].transform(func_add_one) print('ret1:\n',ret) # 调用numpy指标 求均值 ret = df.groupby(by=['cls'])['score'].transform(np.mean) print('ret2:\n', ret) # 求 多列的均值 ret = df.groupby(by=['cls'])[['score','height']].transform(np.mean) print('ret3:\n', ret)
由结果可以发现,transform调用统计指标会将统计结果交给第一项,这样可以保证统计结果的行数与原数组相同,使得之后方便将其拼接到原数组中。
如果想将结果进行聚合,可以调用apply方法:
apply方法
# 调用自定义函数 ret = df.loc[:, 'score'].apply(func_add_one) print('ret1:\n',ret) # 调用numpy指标 ret = df.groupby(by=['cls'])[['score','height']].apply(np.mean) print('ret2:\n', ret)
补充
transporm
方法是将DataFrame
或Series
中的值同时放入指定的函数中执行,再将结果返回。
获取 name的第0个元素
def func_get_firstnameword(x): return x[0] ret = df['name'].transform(func_get_firstnameword) print('ret:\n', ret)
自定义方法拥有很大的可操作性,通过自定义方法可以对数据进行一系列操作,最终得到想要的结果。
str
除此之外,还可以使用str方法,这是一种类似于 dt 的方法(dt的使用)
ret = df['name'].str.split('_', expand=True)[0] print('ret:\n', ret)
str 的作用是将整个 Series
当作str对象,对Series
中的所有元素同时执行.split('_', expand=True)[0]
方法,其中expand=True
的作用是指定split()
方法是对整个Series
进行操作的,而不是只对第一个元素进行操作:
ret = df['name'].str.split('_')[0] print('ret:\n', ret)
总结
加载全部内容