3个高频使用Pandas函数

3个Pandas高频使用函数

本文主要是介绍3个Pandas中很实用的函数：apply + agg + transform

模拟数据

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

函数apply

一个非常灵活的函数，能够对整个DataFrame或者Series执行给定函数的操作。

函数可以是自定义的，也可以是python或者pandas内置的函数

使用1：自带函数

改变字段类型：从int64变成float64

In [3]:

df.dtypes  # 改变前

Out[3]:

name       object
sex        object
chinese     int64
math        int64
dtype: object

In [4]:

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

In [5]:

df.dtypes  # 改变后

Out[5]:

name        object
sex         object
chinese    float64
math         int64
dtype: object

使用2：自定义函数

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  # 改变后

使用3：匿名函数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]:

# 将name变成首字母大写

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

df

# 同时操作两列，记得axis=1

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

函数agg

操作Series数据

In [11]:

# 1

df["chinese"].agg(["mean", "sum"])

Out[11]:

mean     90.5
sum     362.0
Name: chinese, dtype: float64

操作DataFrame数据

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的联合使用：

In [14]:

# 4

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

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

还可以自定义新生成的字段名称：

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

函数transform

现在的df是这样子：

假设有一个需求：统计性别男女 sex 的chinese 的平均分（新增一个字段放在最后面），如何实现？

办法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

# 结果
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

使用transform

可以一步到位

df["average_tran"] = df.groupby("sex")["chinese"].transform("mean")
df

你学会了吗？