Pandas：apply方法与lambda、groupby结合、apply多参数传递

Pandas的apply函数用起来很方便，特别是与groupby、lambda结合使用时更简便。

1. 首先创建DataFrame数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({'name':['Jack','Alex','Bob','Nancy','Mary','Alice','Jerry','Wolf'],
              'course':['Chinese','Math','Math','Chinese','Math','English','Chinese','English'],
              'grade':[1,1,2,2,2,2,3,3],
              'score':[85,95,91,78,89,60,87,79]})

2. 单独使用lambda：

vv = df.apply(lambda x:x['score'],axis=1)  #axis用于指定每次传入的是行数据
print('vv:',vv)

3. 进行groupby分组聚合：

group_data = df.groupby('course')  #groupby分组方法

for course,group in group_data:
    print(course)
    print(group)

4. 结合apply和lambda函数：

# apply方法也可用在Series上
# 对结果应用apply方法，则会对每一组执行describe()
ss = group_data.apply(lambda x:x.describe())   #相当于执行function
print(ss)

5. 对组合块结果进行操作运算：lambda（分别每个块）

# 对组合块结果进行操作运算
tt = group_data.apply(lambda y:np.mean(y['score']))
print(tt)

6. 可使用自定义函数

def test_apply(x, column='score'):
        return x[column]
uu = group_data.apply(test_apply)
print(uu)

7. 当自定义函数是多参数，且无默认值时，有三种方法传递参数，df 数据来自上面 ~~

i = 0
def test_apply(x,column,mean_v):
    global i
    print(i+1)
    print(mean_v)
    i = i+1
    return x[column]

print('fffffff')
# 方法一，关键字传递
# axis=1，表示对每行apply作用；
uu = df.apply(test_apply,axis=1,column='score',mean_v=100)   # axis=0 default，表示对每列apply作用；
print('uu:',uu)

print('sssssss')
# 方法二，参数收集之元组传递
uu = df.apply(test_apply,axis=1,args=('score',100)) 
print('uu:',uu)

print('tttttttt')
# 方法三，参数收集之字典收集
dict_ = {'column':'score','mean_v':100}
uu = df.apply(test_apply,axis=1,**dict_)  #也可以直接：**{'column':'score', 'mean_v':100}
print('uu:',uu)

参考：

https://www.cnblogs.com/happymeng/p/11056437.html

https://blog.csdn.net/messi_james/article/details/80827834

https://blog.csdn.net/qq_19528953/article/details/79348929