5-Pandas数据分组的函数应用（df.apply()、df.agg()和df.transform()、df.applymap()）

 

将自己定义的或其他库的函数应用于Pandas对象，有以下3种方法：

1. apply()：逐行或逐列应用该函数
2. agg()和transform()：聚合和转换
3. applymap()：逐元素应用函数

一 、apply()

其中：设置axis = 1参数，可以逐行进行操作；默认axis=0，即逐列进行操作；

　　　 对于常见的描述性统计方法，可以直接使用一个字符串进行代替，例df.apply('mean')等价于df.apply(np.mean)；

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41

>>> df = pd.read_excel('./input/class.xlsx) >>> df = df[['score_math','score_music']] >>> df    score_math  score_music 0          95           79 1          96           90 2          85           85 3          93           92 4          84           90 5          88           70 6          59           89 7          88           86 8          89           74   #对音乐课和数学课逐列求成绩平均分 >>> df.apply(np.mean) score_math     86.333333 score_music    83.888889 dtype: float64 >>> type(df.apply(np.mean)) <class 'pandas.core.series.Series'>   >>> df['score_math'].apply('mean') 86.33333333333333 >>> type(df['score_math'].apply(np.mean)) <class 'pandas.core.series.Series'>   #逐行求每个学生的平均分 >>> df.apply(np.mean,axis=1) 0    87.0 1    93.0 2    85.0 3    92.5 4    87.0 5    79.0 6    74.0 7    87.0 8    81.5 dtype: float64 >>> type(df.apply(np.mean,axis=1)) <class 'pandas.core.series.Series'>

　　apply()的返回结果与所用的函数是相关的：

• 返回结果是Series对象：如上述例子应用的均值函数，就是每一行或每一列返回一个值；
• 返回大小相同的DataFrame：如下面自定的lambda函数。

1 2 3 4 5 6 7 8 9 10 11 12 13 14

#其中的x可以看作是每一类的Series对象 >>> df.apply(lambda x: x - 5)    score_math  score_music 0          90           74 1          91           85 2          80           80 3          88           87 4          79           85 5          83           65 6          54           84 7          83           81 8          84           69 >>> type(df.apply(lambda x: x - 5)) <class 'pandas.core.frame.DataFrame'>

二、数据聚合agg()

• 数据聚合agg()指任何能够从数组产生标量值的过程；
• 相当于apply()的特例，可以对pandas对象进行逐行或逐列的处理；
• 能使用agg()的地方，基本上都可以使用apply()代替。

例：

1）对两门课逐列求平均分

1 2 3 4 5 6 7 8

>>> df.agg('mean') score_math     86.333333 score_music    83.888889 dtype: float64 >>> df.apply('mean') score_math     86.333333 score_music    83.888889 dtype: float64

　2）应用多个函数，可将函数放于一个列表中；

例：对两门课分别求最高分与最低分

1 2 3 4 5 6 7 8

>>> df.agg(['max','min'])      score_math  score_music max          96           92 min          59           70 >>> df.apply([np.max,'min'])       score_math  score_music amax          96           92 min           59           70

　　3）使用字典可以对特定列应用特定及多个函数；

例：对数学成绩求均值和最小值，对音乐课求最大值

1 2 3 4 5

>>> df.agg({'score_math':['mean','min'],'score_music':'max'})       score_math  score_music max          NaN         92.0 mean   86.333333          NaN min    59.000000          NaN

三、数据转换transform()

特点：使用一个函数后，返回相同大小的Pandas对象

与数据聚合agg()的区别：

1. 数据聚合agg()返回的是对组内全量数据的缩减过程；
2. 数据转换transform()返回的是一个新的全量数据。

注意：df.transform(np.mean)将报错，转换是无法产生聚合结果的

1 2 3 4 5 6 7 8 9 10 11 12 13 14

#将成绩减去各课程的平均分，使用apply、agg、transfrom都可以实现 >>> df.transform(lambda x:x-x.mean()) >>> df.apply(lambda x:x-x.mean()) >>> df.agg(lambda x:x-x.mean())    score_math  score_music 0    8.666667    -4.888889 1    9.666667     6.111111 2   -1.333333     1.111111 3    6.666667     8.111111 4   -2.333333     6.111111 5    1.666667   -13.888889 6  -27.333333     5.111111 7    1.666667     2.111111 8    2.666667    -9.888889

当应用多个函数时，将返回于原始DataFrame大小不同的DataFrame，返回结果中：

• 在列索引上第一级别是原始列名
• 在第二级别上是转换的函数名

1 2 3 4 5 6 7 8 9 10 11 12

>>> df.transform([lambda x:x-x.mean(),lambda x:x/10])   score_math          score_music     <lambda> <lambda>    <lambda> <lambda> 0   8.666667      9.5   -4.888889      7.9 1   9.666667      9.6    6.111111      9.0 2  -1.333333      8.5    1.111111      8.5 3   6.666667      9.3    8.111111      9.2 4  -2.333333      8.4    6.111111      9.0 5   1.666667      8.8  -13.888889      7.0 6 -27.333333      5.9    5.111111      8.9 7   1.666667      8.8    2.111111      8.6 8   2.666667      8.9   -9.888889      7.4

四、applymap()

applymap()对pandas对象逐元素应用某个函数，成为元素级函数应用；

与map()的区别：

• applymap()是DataFrame的实例方法
• map()是Series的实例方法

例：对成绩保留小数后两位

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

>>> df.applymap(lambda x:'%.2f'%x)   score_math score_music 0      95.00       79.00 1      96.00       90.00 2      85.00       85.00 3      93.00       92.00 4      84.00       90.00 5      88.00       70.00 6      59.00       89.00 7      88.00       86.00 8      89.00       74.00   >>> df['score_math'].map(lambda x:'%.2f'%x) 0    95.00 1    96.00 2    85.00 3    93.00 4    84.00 5    88.00 6    59.00 7    88.00 8    89.00 Name: score_math, dtype: object

从上述例子可以看出，applymap()操作实际上是对每列的Series对象进行了map()操作

通过以上分析我们可以看到，apply、agg、transform三种方法都可以对分组数据进行函数操作，但也各有特色，总结如下：

• apply中自定义函数对每个分组数据单独进行处理，再将结果合并；整个DataFrame的函数输出可以是标量、Series或DataFrame；每个apply语句只能传入一个函数；
• agg可以通过字典方式指定特征进行不同的函数操作，每一特征的函数输出必须为标量；
• transform不可以通过字典方式指定特征进行不同的函数操作，但函数运算单位也是DataFrame的每一特征，每一特征的函数输出可以是标量或者Series，但标量会被广播。