Pandas对DataFrame单列/多列进行运算(map, apply, transform, agg) |
您所在的位置:网站首页 › 华为手机怎么给应用设置锁 › Pandas对DataFrame单列/多列进行运算(map, apply, transform, agg) |
原文链接:点击打开链接 1.单列运算 在Pandas中,DataFrame的一列就是一个Series, 可以通过map来对一列进行操作: [python] view plain copy df['col2'] = df['col1'].map(lambda x: x**2)其中lambda函数中的x代表当前元素。可以使用另外的函数来代替lambda函数,例如: [python] view plain copy define square(x): return (x ** 2) df['col2'] = df['col1'].map(square)2.多列运算
要对DataFrame的多个列同时进行运算,可以使用apply,例如col3 = col1 + 2 * col2: [python] view plain copy df['col3'] = df.apply(lambda x: x['col1'] + 2 * x['col2'], axis=1)其中x带表当前行,可以通过下标进行索引。 3.分组运算 可以结合groupby与transform来方便地实现类似SQL中的聚合运算的操作: [python] view plain copy df['col3'] = df.groupby('col1')['col2'].transform(lambda x: (x.sum() - x) / x.count())在transform函数中x.sum()与x.count()与SQL类似,计算的是当前group中的和与数量,还可以将transform的结果作为一个一个映射来使用, 例如: [python] view plain copy sumcount = df.groupby('col1')['col2'].transform(lambda x: x.sum() + x.count()) df['col1'].map(sumcount)对col1进行一个map,得到对应的col2的运算值。 4.聚合函数 结合groupby与agg实现SQL中的分组聚合运算操作,需要使用相应的聚合函数: [python] view plain copy df['col2'] = df.groupby('col1').agg({'col1':{'col1_mean': mean, 'col1_sum‘’: sum}, 'col2': {'col2_count': count}})上述代码生成了col1_mean, col1_sum与col2_count列。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |