在关于 Python Pandas groupby 的类(class)视频中(在 Python 数据科学简介类(class)中)给出了以下示例:
df.groupby('Category').apply(lambda df,a,b: sum(df[a] * df[b]), 'Weight (oz.)', 'Quantity')
其中 df 是一个 DataFrame,lambda 用于计算两列的总和。 如果我理解正确,调用 apply 函数的 groupby 对象(由 groupby 返回)是一系列元组,由分组依据的索引和作为特定分组的 DataFrame 的一部分组成。
我不明白的是 lambda 的使用方式:
指定了三个参数 (lambda df,a,b),但只有两个参数被显式传递('Weight (oz.)' 和 'Quantity')。解释器如何知道参数“a”和“b”是指定为参数的参数,并且 df 是“按原样”使用的?
我查看了文档,但找不到针对此类特定示例的明确答案。我认为这必须与 df 在范围内做一些事情,但找不到支持和详细说明该想法的信息。
最佳答案
apply 方法本身将 groupby 对象的每个“组”作为函数的第一个参数传递。所以它知道根据位置将“重量”和“数量”关联到 a
和 b
。 (例如,如果算上第一个“组”参数,它们就是第二个和第三个参数。
df = pd.DataFrame(np.random.randint(0,11,(10,3)), columns = ['num1','num2','num3'])
df['category'] = ['a','a','a','b','b','b','b','c','c','c']
df = df[['category','num1','num2','num3']]
df
category num1 num2 num3
0 a 2 5 2
1 a 5 5 2
2 a 7 3 4
3 b 10 9 1
4 b 4 7 6
5 b 0 5 2
6 b 7 7 5
7 c 2 2 1
8 c 4 3 2
9 c 1 4 6
gb = df.groupby('category')
隐式参数是每个“组”或在本例中是每个类别
gb.apply(lambda grp: grp.sum())
“grp”是 lambda 函数的第一个参数 请注意,我不必为它指定任何内容,因为它已经自动被视为 groupby 对象的每一组
category num1 num2 num3
category
a aaa 14 13 8
b bbbb 21 28 14
c ccc 7 9 9
所以 apply 遍历每一个并执行求和操作
print(gb.groups)
{'a': Int64Index([0, 1, 2], dtype='int64'), 'b': Int64Index([3, 4, 5, 6], dtype='int64'), 'c': Int64Index([7, 8, 9], dtype='int64')}
print('1st GROUP:\n', df.loc[gb.groups['a']])
1st GROUP:
category num1 num2 num3
0 a 2 5 2
1 a 5 5 2
2 a 7 3 4
print('SUM of 1st group:\n', df.loc[gb.groups['a']].sum())
SUM of 1st group:
category aaa
num1 14
num2 13
num3 8
dtype: object
注意这与我们之前操作的第一行有何相同
所以 apply 是隐式将每个组作为第一个参数传递给函数参数。
来自docs
GroupBy.apply(func, *args, **kwargs)
args, kwargs : tuple and dict
Optional positional and keyword arguments to pass to func
在“*args”中传递的附加参数在隐式组参数之后传递。
所以使用你的代码
gb.apply(lambda df,a,b: sum(df[a] * df[b]), 'num1', 'num2')
category
a 56
b 167
c 20
dtype: int64
此处 'num1' 和 'num2' 作为 附加 参数传递给 lambda 函数的每次调用
所以 apply 遍历每一个并执行你的 lambda 操作
# copy and paste your lambda function
fun = lambda df,a,b: sum(df[a] * df[b])
print(gb.groups)
{'a': Int64Index([0, 1, 2], dtype='int64'), 'b': Int64Index([3, 4, 5, 6], dtype='int64'), 'c': Int64Index([7, 8, 9], dtype='int64')}
print('1st GROUP:\n', df.loc[gb.groups['a']])
1st GROUP:
category num1 num2 num3
0 a 2 5 2
1 a 5 5 2
2 a 7 3 4
print('Output of 1st group for function "fun":\n',
fun(df.loc[gb.groups['a']], 'num1','num2'))
Output of 1st group for function "fun":
56
关于Python Pandas groupby 应用 lambda 参数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47551251/