Pandas函數的應用方式

本篇內容主要講解“Pandas函數的應用方式”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Pandas函數的應用方式”吧!

不管是為Pandas對象應用自定義函數，還是應用第三方函數，都離不開以下幾種方法。用哪種方法取決于操作的對象是DataFrame，還是Series；是行、列，還是元素。

1.表現級函數應用：pipe()

2.行列級函數應用：apply()

3.聚合API：agg()與transform()

4.元素級函數應用：applymap()

表現級函數應用

雖然可以把DataFrame與Series傳遞給函數，不過鏈式調用函數時，最好使用pipe()方法。對比以下兩種方式：

下列代碼與上述代碼是等效的：

Pandas建議使用第二種方式，即鏈式方法。在鏈式方法中調用自定義函數或第三方支持庫函數時，用pipe更容易，與用Pandas自身方法一樣。

上述示例中，f、g與h這幾個函數都把DataFrame當作首位參數。要是想把數據作為第二個參數，我們可以怎么做呢？本例中，pipe為元組（callable，data_keyword）形式。.pipe把DataFrame作為元組里指定的參數。

下面示例用statmodels擬合回歸，該API先接收一個公示，DataFrame是第二個參數，data。要傳遞函數，則要用pipe接收關鍵詞對（sm.ols,’data’）。

unix的pipe與后來出現的dplyr及magrittr帶動了pipe方法，在此，引入了R語言里用于讀取pipe的操作符（%>%）。pipe的實現思路非常清晰，仿佛跟Python源生的一樣。

行列級函數應用

apply()方法沿著DataFrame的軸應用函數，比如，描述性統計方法，該方法支持axis參數。

apply()方法還支持通過函數名字符串調用函數。

默認情況下，apply()調用的函數返回的類型會影響DataFrame輸出結構的類型。

• 函數返回的是Series時，最終輸出結果是DataFrame。輸出的列與函數返回的Series索引相匹配。

• 函數返回其它任意類型時，輸出結果是Series。

result_type會覆蓋默認行為，該參數有三個選項：reduce、broadcast、expand。

這些選項決定了列表型返回值是否擴展為DataFrame。

我們用好了apply()的話，可以了解數據集的很多信息。比如可以提取每列的最大值對應的日期：

還可以向apply()方法傳遞額外的參數與關鍵字參數。比如下面示例中要應用的這個函數：

可以用以下方式應用該函數：

為每行或每例執行Series方法的功能也非常的實用：

apply()有一個參數raw，默認值為False，再應用函數前，使用該參數可以將每行或列轉換為Series。該參數為True時，傳遞的函數接收ndarray對象，若不需要索引功能，這樣操作能夠顯著的提高性能。

聚合API

聚合API可以快速、簡潔地執行多個聚合操作。Pandas對象支持多個類似地API，如groupby API、window functions API、resample API。聚合函數為DataFrame.aggregate()，也可以叫做Dataframe.agg()。

在這里我們用與上例類似的DataFrame：

應用單個函數時，該操作與apply()等效，這里也可以用字符串表示聚合函數名。下面的聚合函數輸出的結果為Series：

Series單個聚合操作返回標量值：

多函數聚合

還可以用列表形式傳遞多個聚合函數。每個函數在輸出結果DataFrame里以行的形式顯示，行名是每個聚合函數的函數名。

多個函數輸出多行：

Series聚合多函數返回結果還是Series，索引為函數名：

傳遞lambda函數時，輸出名為<lambda>的行：

應用自定義函數時，該函數名為輸出結果的行名：

用字典實現聚合

指定為哪些列應用哪些聚合函數時，需要把包含列名與標量（或標量列表）的字典傳遞給DataFrame.agg。

但我們要注意，這里輸出結果的順序不是固定的，要想讓輸出順序與輸入順序一致，我們可以使用OrderedDict。

輸出的參數是列表時，輸出的結果為DataFrame，并以矩陣形式顯示所有聚合函數的計算結果，且輸出結果有所有唯一函數組成。未執行聚合操作的列輸出結果為NaN值：

多種數據類型（Dtype）

與groupby的.agg操作類似，DataFrame含不能執行聚合的數據類型時，.agg只計算可聚合的列：

自定義Describe

.agg()可以創建類似于內置describe函數的自定義describe函數。

Transfrom API

transform方法的返回結果與原始數據的索引相同，大小相同。與.agg API類似，該API支持同時處理多種操作，不用一個一個操作。

首先，創建一個DataFrame：

這里轉換的是整個DataFrame。.transform()支持NumPy函數、字符串函數及自定義函數。

這里的transform()接收單個函數；與ufunc等效。

.transform向Series傳遞單個函數時，返回的結果也是單個Series。

多函數Transfrom

transform()調用多個函數時，生成多層索引DataFrame。第一層是原始數據集的列名；第二層是transform()調用的函數名。

為Series應用多個函數時，輸出結果是DataFrame，列名是transform()調用的函數名。

用字典執行Transfrom

函數字典可以為每列執行指定transform()操作。

transform()的參數是列表字典時，生成的是以transform()調用的函數名為多層索引的DataFrame。

元素級函數應用

并非所有函數都能矢量化，即接受NumPy數組，返回另一個數組或值，DataFrame的applymap()及Series的map()，支持任何接收單個值并返回單個值的Python函數。

Series.map()還有個功能，可以“連接”或“映射”第二個Series定義的值。這與merging/joining功能聯系非常緊密：

到此，相信大家對“Pandas函數的應用方式”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！