加载中…pandas基础：groupby&transform（lambda）
(2018-03-28 10:00:00) | 分类： python |
pandas
里面groupby经常与transform连用，除了常用的sum,mean,std外如果需要自定义计算的时候就需要用到transform,看看官网对transform和apply的区别解释
group['rev_sum']=group['revenue'].sum()
group['rev_cost']=group['cost'].sum()
return group
We will be using the
attribute instead
of apply. The reason is that transform will keep the shape(#
of rows and columns) of the dataframe the same and apply will
not.
transform这个函数比apply更常用就是由于它按df的形状(行和列)计算，apply不行，由于transform根据df的形状计算，所以和lambda结合节省不少代码，下面看一些例子
这个df数组如果df.groupby('state')的话就会出现上面三行汇总的结果，有时候这些汇总不一定是我们想要的，更多的情况我们需要在df里面新增一些columns来放计算后的数据，例如我现在需要增加两列['rev_sum','cost_sum']，然后按state进行归类后把相应的sum放进去，这时候我们需要很简单的一行代码就行：newdf[['rev_sum','cost_sum']]=state.transform(lambda
x:x.sum()) ，这里面的state是对df进行groupby，输出结果：
这样新增的两列就是对revenue和cost的计算，这个计算是基于对state的groupby，相当于把上面的汇总放进来，当然实际开发这里对应的就是自定义的公式了
另外还有很有用的功能就是groupby里面用lambda进行时间汇总，例如month=df.groupby(['state',lambda
x:x.month],as_index=True),这里意思就是按state进行groupby，加上月份，可以是day,或year，基于df的index情况进行各种时间归类，这就是相当于一个两层的归类，先按state然后按月份，看看输出
比如说第三行ny的rev_sum为什么是2，因为1月份的ny只有这一行，所以就是2，那2013-12-01为什么是14呢？因为ny在12月份有两行，得加上上面第二行的1，所以是14，其他同理，由于本例的groupby分别按state和month，所以同样是5月份由于不同state也不会归在一起
代码也很简单，定义了month后df[['rev_sum','cost_sum']]=month.transform(lambda
x:x.sum()) 一句就搞定，当然也可以自定义一个函数，例如：
def myfunc(group):
month.apply(myfunc)
它们的效果一模一样
看源码
最后补一个官网transform的例子
喜欢
0
赠金笔