Python如何做excel的樞紐分析? groupbyObj = df.groupby([‘A’, ‘B’]) ; groupbyObj.apply() 跟 groupbyObj.agg() 差異為何? result = groupbyObj .apply( function(df) -> Series ) ; result_agg = groupbyObj .agg( [‘mean’, ‘std’] ) ; aggfunc(Series) -> float

import pandas as pd
import numpy as np

data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
'C': np.random.randn(8),
'D': np.random.randn(8)}

df = pd.DataFrame(data)

def stats(group: pd.DataFrame) -> pd.DataFrame:
    return pd.DataFrame({'mean': group['C'].mean(),
'std': group['C'].std()} , index=[0])

def stats1(group: pd.DataFrame) -> pd.Series:
    return pd.Series({'mean': group['C'].mean(),
'std': group['C'].std()})

groupbyObj = df.groupby(['A', 'B'])
#<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000001C377E62E80>
result = groupbyObj.apply(stats)

result1 = groupbyObj.apply(stats1)

result_agg = groupbyObj.agg(['mean', 'std'])

 

生成的df:

 

function stats(): 

參數為df

輸出一個僅有一列的DataFrame

兩個欄標籤為mean , std 

 

function stats1():

參數為df

輸出一個Series

兩個index為mean , std 

 

这里的 stats 函数返回的是一个 DataFrame，

其中 mean 和 std 是这个 DataFrame 的两个column，

每个分组返回一个row。

如果 stats 函数返回的是 Series，

那么在对 DataFrame 调用 apply 后

得到的结果也会是 Series 类型，

每个分组返回一个 Series。

 

放在.apply()中的function

return DataFrame or Series

效果皆一樣: 

(其實result比result1多了一層index 0)

 

result_agg = groupbyObj.agg([‘mean’, ‘std’])

.agg()中放的聚合函數

一次只能处理一个column，并返回聚合结果。

通常，这些聚合函数将返回标量值，

例如平均值、总和或计数。

 

以上例子使用.apply()的話

自定義函式只有寫 group[‘C’]

因此只有算出C欄位的mean, std

groupbyObj.agg([‘mean’, ‘std’])

則自動對所有欄位做mean, std

.apply()要做到一樣效果的話

自定義函式就要再多寫group[‘D’]的運算:

要是欄位很多呢? 

看起來.agg() 方便許多

但apply()中的自定義函式

參數為DataFrame

所以可以做跨欄運算

例如DF欄位有X Y,

可以return (X**2 + Y**2)**0.5 

#直角座標轉換為極座標

這時候就只能使用.apply() 

.apply()更灵活，可以处理更加复杂的逻辑，

尤其是对于跨列或跨行运算的情况。

然而，.agg()函数更适合进行基础的数据聚合操作，

同时它的性能也比.apply()更好。

对于每个具体的数据处理任务，

需要根据具体情况选择适合的函数。

 

在 groupby 的結果中，

每個組的組內資料被轉換為一個 DataFrame。

當使用 apply 時，

可以將每個組內的 DataFrame 作為參數傳遞給函數。

該函數可以返回一個 (一列的)DataFrame 或 Series，

(就算返回DataFrame,其實只有一列)

其中索引由原始 DataFrame 和組內索引組成。

當使用 agg 時，

將會對每個組內的 Series (單一column)執行單個操作，

這些操作可以是內置的，也可以是自定義的。

這些操作可以返回一個標量，

這些值將在輸出的結果 DataFrame 中對應到組的名稱。

因此，在 agg 函數中使用的函數需要針對 Series

而不是 DataFrame 進行操作。

推薦hahow線上學習python: https://igrape.net/30afN