Вы можете использовать следующий базовый синтаксис для совместного использования функций groupby() и apply() в кадре данных pandas:
df.groupby('var1').apply ( lambda x: some function)
В следующих примерах показано, как использовать этот синтаксис на практике со следующими пандами DataFrame:
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'B', 'B', 'B', 'B'],
'points_for': [18, 22, 19, 14, 11, 20, 28],
'points_against': [14, 21, 19, 14, 12, 20, 21]})
#view DataFrame
print(df)
team points_for points_against
0 A 18 14
1 A 22 21
2 A 19 19
3 B 14 14
4 B 11 12
5 B 20 20
6 B 28 21
Пример 1: Используйте groupby() и apply() для поиска относительных частот
В следующем коде показано, как использовать функции groupby( ) и apply() для определения относительной частоты появления названия каждой команды в кадре данных pandas:
#find relative frequency of each team name in DataFrame
df.groupby('team').apply ( lambda x: x['team']. count () / df.shape [0])
team
A 0.428571
B 0.571429
dtype: float64
Из вывода мы видим, что команда A встречается в 42,85% всех строк, а команда B встречается в 57,14% всех строк.
Пример 2: Используйте groupby() и apply() для поиска максимальных значений
В следующем коде показано, как использовать функции groupby( ) и apply() для нахождения максимальных значений «points_for» для каждой команды:
#find max "points_for" values for each team
df.groupby('team').apply ( lambda x: x['points_for']. max ())
team
A 22
B 28
dtype: int64
Из вывода мы видим, что максимальное количество очков, набранных командой A, равно 22, а максимальное количество очков, набранных командой B, равно 28.
Пример 3: Используйте groupby() и apply() для выполнения пользовательских вычислений
В следующем коде показано, как использовать функции groupby( ) и apply() для нахождения средней разницы между «points_for» и «points_against» для каждой команды:
#find max "points_for" values for each team
df.groupby('team').apply ( lambda x: (x['points_for'] - x['points_against']).mean())
team
A 1.666667
B 1.500000
dtype: float64
Из вывода мы видим, что средняя разница между «баллами за» и «баллами против» составляет 1,67 для команды А и 1,50 для команды Б.
Дополнительные ресурсы
В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:
Как выполнить GroupBy Sum в Pandas
Как использовать Groupby и Plot в Pandas
Как подсчитать уникальные значения с помощью GroupBy в Pandas