DataFrame详解——函数应用、GroupBy & window

函数应用、GroupBy & window

方法	解释
DataFrame.apply(func[, axis, raw, …])	为整个DataFrame/行/列应用func函数（作用域为Series）
DataFrame.applymap(func[, na_action])	为DataFrame的每个元素应用func函数（作用域为元素）
DataFrame.agg([func, axis])	按列使用指定方法聚合所有行，如： df.agg(['sum', 'min'])将df的所有行按列求sum值和min值; df.agg({'A' : ['sum', 'min'], 'B' : ['min', 'max']})将A列按sum,min聚合，将B列按min,max聚合
DataFrame.aggregate([func, axis])	同上
DataFrame.transform(func[, axis])	将指定方法应用到DataFrame的行/列，默认行，如： df.transform(lambda x: x + 1)按行将df中的每个元素+1； df.transform([np.sqrt, np.exp])按行计算df中每个元素的平方根和e次幂；
DataFrame.groupby([by, axis, level, …])	将DataFrame按指定列进行分组，一般和sum(),mean()等一起使用，如： df.groupby('col2').sum()将df按第2列的值分组求和
DataFrame.rolling(window[, min_periods, …])	按行或列（默认行）提供滚动窗口计算，如： df2=df1.rolling(window=3, center=True,min_periods=1).sum()按行滑动以每个元素为中心得到大小为3的窗口，计算sum
DataFrame.expanding([min_periods, center, …])	提供扩展转换，统计每个元素之前所有可用的数据，如： df.expanding(2).sum()按行将每个元素替换为之前所有元素的和，当前面元素小于1时取NAN
DataFrame.ewm([com, span, halflife, alpha, …])	提供指数加权(EW)函数