Pandas进阶：apply的优雅使用方法

Pandas系列文章

一.Pandas 数据结构之 Series使用教程
二.Pandas 数据结构之 DataFrame使用教程
三.Pandas进阶：DataFrame的简单运算、统计与排序
四.Pandas进阶：使用Join、Merge、Concat、Append 合并DataFrame
五.Pandas进阶：apply的优雅使用方法

沿 DataFrame 的轴应用函数

Pnadas 的官方文档中是这样介绍apply方法的。通俗点讲就是apply函数需传入一个方法，同时需指定这个方法的参数是按哪个轴进行传递的，传入 axis=0 代表按索引轴传递参数（即竖向传递，把每列的值传入函数中进行计算）；传入axis=1代表按列名轴传递参数（即横向传递，把每行的值传入函数中进行计算）；所以我们可以知道无论是按索引轴或是按列名（columns）轴传递的对象类型都是Series

Example：

df = pd.DataFrame({
    'name': ['lihua', 'lilei', 'hanmeimei', 'xiaoming', 'xiaohong'],
    'math': [99, 100, 80, 50, 118],
    'english': [94, 83, 99, 79, 108],
    'chinese': [107, 82, 76, 100, 113]
})
df
        name  math  english  chinese
0      lihua    99       94      107
1      lilei   100       83       82
2  hanmeimei    80       99       76
3   xiaoming    50       79      100
4   xiaohong   118      108      113

对一列或某几列数据进行操作

当你想知道各科第一名的成绩时：

s = df[['math', 'english', 'chinese']].apply(max)

math       118
english    108
chinese    113
dtype: int64

当你想知道各科成绩的平均分时：

s = df[['math', 'english', 'chinese']].apply(np.average)

math       89.4
english    92.6
chinese    95.6
dtype: float64

当你想知道每个学生的总分时：

df.index = df['name']
s = df[['math', 'english', 'chinese']].apply(sum, axis=1) # 按columns轴求和，也就是横向求和

name
lihua        300
lilei        265
hanmeimei    255
xiaoming     229
xiaohong     339
dtype: int64

分组后对每组数据进行特定的操作

当我们的DF数据结构是这样的时候：

        name  math  english  chinese    class
0      lihua    99       94      107  class_1
1      lilei   100       83       82  class_2
2  hanmeimei    80       99       76  class_2
3   xiaoming    50       79      100  class_1
4   xiaohong   118      108      113  class_2

按班级分组并求每个班级的各科的平均分

s = df.groupby('class')[['math', 'english', 'chinese']].apply(lambda x: x.apply(np.average))

             math    english     chinese
class                                    
class_1  74.500000  86.500000  103.500000
class_2  99.333333  96.666667   90.333333

求分组后每组总分排第二的学生

def get_second(x: pd.DataFrame):
    x = x.sort_values('sum', ascending=False)
    if len(x) < 2:  # 没有第二名 返回第一名
        return x.iloc[0]
    return x.iloc[1]


# 先求出学生的总分
df['sum'] = df[['math', 'english', 'chinese']].apply(sum, axis=1)
result = df.groupby('class').apply(get_second)

             name  math  english  chinese    class  sum
class                                                  
class_1  xiaoming    50       79      100  class_1  229
class_2     lilei   100       83       82  class_2  265

该例传入了自定义的函数 get_second。其原理为apply方法对分组后形成的两个（按class分组，示例中只有class_1, class_2两个班级的学生）DF对象分别应用get_second函数。get_second函数内部对传入的DF按sum列从大到小进行了排序，同时要取排名第二位的就要校验传入的数据列是否大于2.

下图中按步骤介绍了该例是如何一步一步实现的：

截屏2021-03-25 上午9.28.38.png

使用apply函数的关键是具体的操作思路一定要清晰，根据我们想要的结果推到出是否要分组后再进行应用函数，或者直接可以在原有的DF对象中应用，在原有的DF对象中应用函数也应该先想好是对每行应用还是对每列应用。关键的第一步走好之后，那就是实现应用函数的具体功能了，这就要根据我们实际的需求来实现了。