Python数据分析笔记#10.3 apply方法：拆分-应用-合并

「目录」

数据聚合与分组运算

Data Aggregation and Group Operations

• 10.1 => GroupBy机制

• 10.2 => 数据聚合

• 10.3 => apply：拆分 - 应用 - 合并

• 10.4 => 透视表和交叉表

apply方法

听一下上面的音乐哦，不知道有人知道出处吗。

感觉又是好久没更公众号了，接下来正式开始吧！

apply是最通用的GroupBy方法，apply会将待处理的对象拆分成多个片段，然后对各片段调用传入的函数，最后将各片段组合到一起。

下面是本篇要用到的库：

import numpy as np
import pandas as pd

复制

回到原书之前那个小费数据集：

tips = pd.read_csv(r'.\tips.csv')

tips['tip_pct'] = tips['tip'] / tips['total_bill']

tips.head()

复制

假设我们想要选择最高的5个小费百分比tip_pct值。

首先，我们编写一个函数，这个函数可以对指定列排序，并选取最大的n个值：

def top(df, n=5, column='tip_pct'):
    return df.sort_values(by=column)[-n:]

复制

来看一下效果吧，传入小费的DataFrame：

top(tips, n=6)

复制

现在我们对smoker分组，并通过apply方法对每一个分组调用我们刚刚写的top函数，就会得到层次化索引的DataFrame（其内层索引值来自原DataFrame）：

tips.groupby('smoker').apply(top)

复制

如果我们想要改变top函数的参数，该怎么办呢？

答案是若函数可以接受多个参数，则可以将这些内容放在函数名后面一并传入。

比如我们编写的top函数除了要传入的df，还可以接受n和column两个参数，那我们在传入top函数后，还可以传入top函数的n和column参数

tips.groupby(['smoker', 'day']).apply(top, n=1, column='total_bill')

复制

最后，从上面的例子可以看出，分组键会跟原始对象的索引共同组成层次化索引，传入group_keys=False可禁止该效果

tips.groupby(['smoker', 'day'], group_keys=False).apply(top, n=1, column='total_bill')

复制

往期回顾