python数据高阶应用-pandas库聚合案例 groupby().apply()写法强化

python数据分析高阶应用技巧-pandas库聚合案例【 groupby().apply()写法强化】

熟练掌握groupby().apply()写法，有助于将碎片化的数据处理、步骤代码整合起来，这对提高工作效率是大有裨益的。
                

1. 准备数据

首先准备一组代码生成的DataFrame数据，代码如下所示：

import pandas as pd

# 初始数据
df = pd.DataFrame({'品种': list('AAAABBBCCD'),
                   '类型': list('abcdccdadd'),
                   '金额': [1, 2, 1, 3, 2, 1, 3, 2, 3, 1]
                   })

数据如下所示：
             

(如果您对DataFrame的apply()存在疑问，欢迎点击这篇博客学习：python数据分析apply(),map(),applymap()用法归纳。)

2. 对DataFrame对象使用apply()

apply()方法有两个重要的参数，第一个参数是一个自定义的函数（下边用fun()表示），第二个参数则是axis参数。
axis参数为0表示对列操作，设置为1则表示对行操作。
 
因为是以函数为参数，所以我们在解决实际问题时，还有一个要考虑的因素就是，这个“函数参数”的参数x指代的是什么。(即fun(x)中的x)
这里对上边得到的df做一个简单的示例来说明，对列操作，打印出每个x：

df.apply(lambda x: print(x))

可以看到x即每一列与索引组成的Series对象。因为除了打印没有任何操作，最后返回的是一个Values为None的Series。
    

如果要求和，则结果显而易见地容易理解：

df.apply(lambda x: x.sum())

可以看到结果如下：
        

3. 对groupby()聚合的结果使用apply()

对DataFrame对象使用apply()，每个x是一个Series；
对groupby()聚合的结果使用apply()，得到每个x则会是一个DataFrame。

这是我们首先需要知道的，知道了这一点，后边的逻辑才能清晰。对变量df的“品种”列进行聚合，然后使用apply()方法打印每个x如下：

import pandas as pd

# 初始数据
df = pd.DataFrame({'品种': list('AAAABBBCCD'),
                   '类型': list('abcdccdadd'),
                   '金额': [1, 2, 1, 3, 2, 1, 3, 2, 3, 1]
                   })
df.groupby(['品种']).apply(lambda x: print(x))

x打印结果如下：
        
可以看到，每个x都是一个DataFrame，且是按照“品种”列划分为四类品种的。

如果fun()功能是求和，则实现了先聚合，后求和：

df.groupby(['品种']).apply(lambda x: x.sum())

        
这将不同于直接使用sum()方法：
 
对比结果以感受其差别

df.groupby(['品种']).sum()

4. 案例分享

下边给出一个略微复杂些的案例，通过groupby() apply()的方法，可以更快捷地实现。
生成数据的代码及数据如下：

import pandas as pd

# 初始数据
df = pd.DataFrame({'品种': list('AAAABBBCCD'),
                   '类型': list('abcdccdadd'),
                   '金额': [1, 2, 1, 3, 2, 1, 3, 2, 3, 1]
                   })
df

需求：求出每个品种的合计金额，每个品种中类型为a,b,c（不包括d）的合计金额，以及每个品种中 类型为a,b,c（不包括d）的合计金额，占该品种合计金额的比例。输出一个DataFrame。

先定义一个fun()函数，使其与groupby().apply()组合，最后再对结果的索引列稍作优化即可。

def fun(s):
    b = s['金额'].sum()
    t = 0
    for key, value in s['类型'].items():
        if ((value == 'a') | (value == 'b') | (value == 'c')):
            t  = s['金额'][key]
    return pd.DataFrame([(t, b, t / b)], columns=['属于abc类型的金额汇总', '按品种汇总金额', '占比'])

r = df.groupby(['品种']).apply(fun)
result = r.reset_index().drop(['level_1'],axis=1)

因为r是双列索引，稍作优化，result的最终结果：
           

本次分享就到这里，小啾感谢您的关注与支持！
🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ

这篇好文章是转载于：学新通技术网