超级会员免费看
本教程介绍了pandas的Apply方法，用于通用的分割-应用-合并操作。通过示例展示了如何按组应用函数，如选择最大值、抑制组键、分位数分析、填充缺失值、随机抽样、加权平均和相关性计算等，从而增强对数据的处理能力。
文章目录
- 10.3 Apply：General split-apply-combine（应用：通用的分割-应用-合并）
- 1 Suppressing the Group Keys（抑制组键）
- 2 Quantile and Bucket Analysis（分位数与桶分析）
- 3 Example: Filling Missing Values with Group-Specific Values（例子：用组特异性值来填充缺失值）
- 4 Example: Random Sampling and Permutation（例子：随机抽样和排列）
- 5 Example: Group Weighted Average and Correlation（例子：组加权平均和相关性）
- 6 Example: Group-Wise Linear Regression（例子：组对组的线性回归）
10.3 Apply：General split-apply-combine（应用：通用的分割-应用-合并）
general-purpose: 可以理解为通用，泛用。
例子：在计算机软件中，通用编程语言(
General-purpose programming language)指被设计为各种应用领域服务的编程语言。通常通用编程语言不含有为特定应用领域设计的结构。
相对而言，特定域编程语言就是为某一个特定的领域或应用软件设计的编程语言。比如说，
LaTeX就是专门为排版文献而设计的语言。
最通用的GroupBy(分组)方法是apply，这也是本节的主题。如下图所示，apply会把对象分为多个部分，然后将函数应用到每一个部分上，然后把所有的部分都合并起来：
返回之前提到的tipping数据集，假设我们想要根据不同组（group）
订阅专栏 解锁全文
扫一扫
929
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
