服务器之家

服务器之家 > 正文

Pandas groupby apply agg 的区别 运行自定义函数说明

时间:2021-09-28 08:39     来源/作者:青盏

agg 方法将一个函数使用在一个数列上,然后返回一个标量的值。也就是说agg每次传入的是一列数据,对其聚合后返回标量。

对一列使用三个函数:

Pandas groupby apply agg 的区别 运行自定义函数说明

对不同列使用不同函数

Pandas groupby apply agg 的区别 运行自定义函数说明

apply 是一个更一般化的方法:将一个数据分拆-应用-汇总。而apply会将当前分组后的数据一起传入,可以返回多维数据。

Pandas groupby apply agg 的区别 运行自定义函数说明

实例:

1、数据如下:

  1. lawsuit2[['EID','LAWAMOUNT','LAWDATE']]

Pandas groupby apply agg 的区别 运行自定义函数说明

2、groupby后应用apply传入函数数据如下:

  1. lawsuit2[['EID','LAWAMOUNT','LAWDATE']].groupby(['EID']).apply(lambda df:print(df))

Pandas groupby apply agg 的区别 运行自定义函数说明

3、如果使用agg,对于两列可以处理,但对于上面的三列,打印数据如下:

  1. lawsuit2[['EID','LAWAMOUNT','LAWDATE']].groupby(['EID']).agg(lambda df:print(df))

Pandas groupby apply agg 的区别 运行自定义函数说明

可以看到agg传入的只有一列数据,如果我们使用df加列下表强行取值也能取到,但是有时会出现各种keyError问题。

4、完整代码:

判断最近一次日期的花费是否是所有的花费中最大花费。

  1. def handle(df):
  2. # print(df)
  3. # 找最大日期
  4. maxdate = df['LAWDATE'].max()
  5. # 找最大费用
  6. left = df[ df['LAWDATE']==maxdate ]['LAWAMOUNT'].max()
  7. # 取ID
  8. EID = df['EID'].values[0]
  9. # print(EID)
  10. # 从已存在的表中根据EID找到最大费用
  11. right = LAW_AMOUNT_MAX.loc[EID,'LAW_AMOUNT_MAX']
  12. # 判断费用是否相等
  13. if left==right:
  14. return 1
  15. else:
  16. return 0
  17.  
  18. LAW_AMOUNT_MAX_IS_LAST = lawsuit2[['EID','LAWAMOUNT','LAWDATE']].groupby(['EID']).apply(handle)

其他注意点:

在groupby后使用apply,如果直接返回,会出现有多余的groupby索引问题,可以使用group_keys解决:

  1. orgin = reviews_df.sort_values(["reviewerID","unixReviewTime"]).groupby("reviewerID",group_keys=False)
  2. train = orgin.apply(lambda df: df[:-2])
  3. train.head()

补充:pandas分组聚合运算groupby之agg,apply,transform

groupby函数是pandas中用以分组的函数,可以通过指定列来进行分组,并返回一个GroupBy对象。对于GroupBy对象的聚合运算,其有经过优化的较为常用的sum,mean等函数,但是如果我们需要用自定义的函数进行聚合运算,那么就需要通过agg,apply,transform来实现。

agg,apply和transform三者之间的区别在于:1、agg和transform之间的区别为:前者经过聚合后,只会在该组单列中返回一个标量值,而transform则会将该标量值在该组单列内进行广播,保持原DataFrame的索引不变;2、agg和transform中的函数参数是以分组后的单列(Series)为操作对象的,即传入agg和transform的函数的参数是列,而apply中的函数参数是分组后整个的DataFrame。下面分别对这两点进行说明。

一、agg和transform

如下代码所示,构造一个df,agg和transform中lambda函数的input都为单列,但是agg返回的索引是分组的key的唯一值,而transform返回的索引和原df一样,但是相比于agg返回的结果,发现transform只是在d行处的值进行了重复的广播,这个目的就是维持原df的索引不变,且被拿来分组的列会被剔除。

  1. df
  2. Out[1]:
  3. index a b c
  4. 0 d 0 1 2
  5. 1 d 3 4 5
  6. 2 e 6 7 8
  7.  
  8. df.groupby(by='index').agg(lambda x:x.shape)
  9. Out[2]:
  10. a b c
  11. index
  12. d (2,) (2,) (2,)
  13. e (1,) (1,) (1,)
  14.  
  15. df.groupby(by='index').transform(lambda x:x.shape)
  16. Out[3]:
  17. a b c
  18. 0 (2,) (2,) (2,)
  19. 1 (2,) (2,) (2,)
  20. 2 (1,) (1,) (1,)

二、agg和apply

下面的是apply的结果,相比于上面agg的结果,可以发现,实际上lambda函数的input不再是一个Series,而是分组后的整个DataFrame。

  1. dd.groupby(by='index').apply(lambda x:x.shape)
  2. Out[4]:
  3. index
  4. d (2, 4)
  5. e (1, 4)

三、其他注意点

对于agg函数,其不仅可以传入一个函数对每列执行相同的操作,还可以传入一个字典{'col_name':func},来对不同的列做不同的操作,也可以将func替换为由多个不同的函数组成的list,实现对同一列做多个不同的操作,这是agg函数最为灵活的地方。

这三个函数,参数形式都为(func, *args,**kwargs),所以可以通过位置参数和关键字参数给func传递额外的参数。

以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。如有错误或未考虑完全的地方,望不吝赐教。

原文链接:https://blog.csdn.net/qq_16234613/article/details/78245325

标签:

相关文章

热门资讯

yue是什么意思 网络流行语yue了是什么梗
yue是什么意思 网络流行语yue了是什么梗 2020-10-11
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
背刺什么意思 网络词语背刺是什么梗
背刺什么意思 网络词语背刺是什么梗 2020-05-22
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总 2020-11-13
2021年耽改剧名单 2021要播出的59部耽改剧列表
2021年耽改剧名单 2021要播出的59部耽改剧列表 2021-03-05
返回顶部