GroupBy,Apply用法笔记

少年乘勇气,百战过乌孙。这篇文章主要讲述GroupBy,Apply用法笔记相关的知识,希望能为你提供帮助。
GroupBy针对DataFrame将其按照某个准则分组
1.常见的调用形式为:

df[‘a‘].GroupyBy(df[‘b‘])df.GroupyBy(df[‘b‘,‘c‘])#层次化的索引df.GroupyBy([‘b‘,‘c‘])#直接将columns名称作为索引键进行索引

以上可理解为将Series作为分组键,y此外还可以将任何适当长度的array作为分组键,目前未尝试过
【GroupBy,Apply用法笔记】2.常用的方法:
df.GroupyBy(df[‘b‘]).mean()#非数值列数据直接跳过 df.GroupyBy(df[‘b‘]).size()#返回一个分组的大小的Series(每个值对应的是当前键元素的个数)

3.举例GroupyBy的应用:
如给出的csv文件中columns包含[‘City‘,‘State‘,‘Population‘],让求出每个州所有城市人口的平均值,此时就可以用
df[‘population‘].GroupBy([‘State‘]).mean()

 
注:GroupyBy函数说明在http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.groupby.html#pandas.DataFrame.groupby
 
  Apply函数-可针对DataFrame和Series操作,返回是DataFrame和Series
1.理解:apply将他应用的对象拆分到小一级,然后让拆分后的每个子部分去实施apply括号内的函数操作,再把操作后的结果合在一起
2.apply可以说是非常常用,这里只说一个基本的用例,连带理解了lambda的用法
energy[‘Energy Supply‘]=energy[‘Energy Supply‘].apply(lambda x : x*1000000)

 
注:Apply函数说明  http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.apply.html#pandas.DataFrame.apply
 

    推荐阅读