数据应用

当某些作用于分组的操作，既不适合使用agg()方法进行聚合时，也不适合使用transform()方法进行转换时，便可以让apply()方法派上用场了。apply()方法的使用是十分灵活的，它可以在许多标准用例中替代聚合和转换，另外还可以处理一些比较特殊的用例。

apply()方法的语法格式如下：

apply(func, axis=0, broadcast=None, raw=False, reduce=None,result_type=None, 
      args=(), **kwds)

上述方法中常用参数表示的含义如下：

(1) func：表示应用于某一行或某一列的函数。

(2) axis：表示函数操作的轴向，“0”或“index”表示将函数应用于列上，“1”或“columns”表示将函数应用于行上，默认为0。

(3) broadcast：表示是否将数据进行广播。若设为False或None，则会返回一个Series对象，其长度跟索引的长度或列数一样；若设为True，则表示结果将被广播到原始对象中，原始的索引和列将会被保留。

假设现在有一个10行4列的表格，从左边数表格中的数据都是数值类型的，最后一列的数据是字符串类型的，如图1所示。

图1 表格示例

在图1的表格中，按照key一列的数据进行分组，将表格拆分成a、b两组，将max()方法作用于每个分组中，求出每个分组中的最大值。

首先，创建一个与图51中表格结构相同的DataFrame对象，代码如下：

In [29]: from pandas import DataFrame, Series
         import pandas as pd
         import numpy as np
         data_frame = DataFrame({'data1': [80,23,25,63,94,92,99,92,82,99],
                                 'data2': [41,87,58,68,72,89,60,42,53,65],
                                 'data3': [30,78,23,66,16,59,20,23,24,40],
                                 'key': list('baabbabaaa')})
        data_frame
Out[29]:
  data1 data2 data3 key
0   80   41   30  b
1   23   87   78  a
2   25   58   23  a
3   63   68   66  b
4   94   72   16  b
5   92   89   59  a
6   99   60   20  b
7   92   42   23  a
8   82   53   24  a
9   99   65   40  a

创建好DataFrame对象后，调用groupby()方法按key列进行分组，并打印出每个分组中的数据，示例代码如下。

In [30]: # 对数据进行分组
         data_by_group = data_frame.groupby('key')
         # 打印分组数据
         dict([x for x in data_by_group])['a']
Out[30]:
  data1 data2 data3 key
1   23   87   78  a
2   25   58   23  a
5   92   89   59  a
7   92   42   23  a
8   82   53   24  a
9   99   65   40  a
In [31]: dict([x for x in data_by_group])['b']
Out[31]:
  data1 data2 data3 key
0   80   41   30  b
3   63   68   66  b
4   94   72   16  b
6   99   60   20  b

上述示例中，以“key”列为分组键将data_frame对象进行分组，为了能够将每个分组的数据显示出来，可以使用列表推导式将分组对象构建成列表。这里，可以把包含所有分组的列表转换为字典，其中分组键作为字典的键，分组中的数据作为字典中的值。通过输出结果可以清楚地看到，分组a和分组b中的具体数据。

接着，我们自定义一个对每个元素加10的plus_ten()函数，然后调用apply()方法，将plus_ten()函数应用到每一个元素中，具体如下。

In [32]: # 对每个元素加10 
         def plus_ten(data_frame):
             return data_frame.iloc[:, :3] + 10 
         data_by_group.apply(plus_ten)

Out[32]:
  data1 data2 data3
0   90   51   40
1   33   97   88
2   35   68   33
3   73   78   76
4  104   82   26
5  102   99   69
6  109   70   30
7  102   52   33
8   92   63   34
9  109   75   50      

从输出结果中可以看出，每个元素较之前的元素都加上10 ，这说明使用apply()方法同样能实现聚合的效果。