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

  1. 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

  1. define square(x):  
  2.     return (x ** 2)  
  3.   
  4. 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

  1. 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

  1. 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

  1. sumcount = df.groupby('col1')['col2'].transform(lambda x: x.sum() + x.count())  
  2.   
  3. 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

  1. 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。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值