3個Pandas高頻使用函數(shù)

大家好，我是Peter~

本文主要是給大家介紹3個Pandas日常高頻使用函數(shù)：apply + agg + transform。

模擬數(shù)據(jù)

模擬了一份簡單的數(shù)據(jù)

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

函數(shù)apply

一個非常靈活的函數(shù)，能夠?qū)φ麄€DataFrame或者Series執(zhí)行給定函數(shù)的操作。

函數(shù)可以是自定義的，也可以是python或者pandas內(nèi)置的函數(shù)，還可以是匿名函數(shù)。

使用1：自帶函數(shù)

改變字段類型：從int64變成float64

In [3]:

df.dtypes  # 改變前

Out[3]:

name       object
sex        object
chinese     int64
math        int64
dtype: object

In [4]:

df["chinese"] = df["chinese"].apply(float)

In [5]:

df.dtypes  # 改變后

Out[5]:

name        object
sex         object
chinese    float64
math         int64
dtype: object

使用2：自定義函數(shù)

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  # 改變后

使用3：匿名函數(shù)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]:

# 將name變成首字母大寫

df["name"] = df["name"].apply(lambda x: x.title())

df

# 同時操作兩列，記得axis=1

df["score"] = df.apply(lambda x: x["chinese"] + x["math"], axis=1)
df

函數(shù)agg

操作Series數(shù)據(jù)

In [11]:

# 1

df["chinese"].agg(["mean", "sum"])

Out[11]:

mean     90.5
sum     362.0
Name: chinese, dtype: float64

操作DataFrame數(shù)據(jù)

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的聯(lián)合使用：

In [14]:

# 4

df.groupby("sex").agg(["mean","sum"])

# 5
df.groupby("sex").agg({"chinese":["mean"], "math":["sum","min","max"]})

還可以自定義新生成的字段名稱：

df.groupby("sex").agg(chinese_mean=("chinese","mean"), math_min=("chinese","min"))

函數(shù)transform

現(xiàn)在的df是這樣子：

假設有一個需求：統(tǒng)計性別男女 sex 的chinese 的平均分（新增一個字段放在最后面），如何實現(xiàn)？

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

# 結(jié)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

往期推薦
1、程序員如何優(yōu)雅地解決線上問題？
2、你這背景太假了，用AI自動合成，假嗎？
3、基于NumPy實現(xiàn)隨機梯度下降算法
4、【干貨原創(chuàng)】一個好用到爆的數(shù)據(jù)分析利器
5、使用 pandas 對數(shù)據(jù)進行移動計算

點擊關注公眾號，閱讀更多精彩內(nèi)容