Pandas groupby apply agg 区别运行自定义函数

淡淡的烟草味﹌ 2021-06-11 15:10 384阅读 0赞

agg 方法将一个函数使用在一个数列上，然后返回一个标量的值。也就是说agg每次传入的是一列数据，对其聚合后返回标量。  
对一列使用三个函数：  
![这里写图片描述][SouthEast]  
对不同列使用不同函数  
![这里写图片描述][SouthEast 1]  
apply 是一个更一般化的方法：将一个数据分拆-应用-汇总。而apply会将当前分组后的数据一起传入，可以返回多维数据。  
![这里写图片描述][SouthEast 2]  
[图片来自][Link 1]  
**实例：**  
1、数据如下：

lawsuit2[['EID','LAWAMOUNT','LAWDATE']]

![这里写图片描述][SouthEast 3]  
2、groupby后应用apply传入函数数据如下：

lawsuit2[['EID','LAWAMOUNT','LAWDATE']].groupby(['EID']).apply(lambda df:print(df))

![这里写图片描述][SouthEast 4]  
3、如果使用agg，对于两列可以处理，但对于上面的三列，打印数据如下：

lawsuit2[['EID','LAWAMOUNT','LAWDATE']].groupby(['EID']).agg(lambda df:print(df))

![这里写图片描述][SouthEast 5]  
可以看到agg传入的只有一列数据，如果我们使用df加列下表强行取值也能取到，但是有时会出现各种keyError问题。  
4、完整代码：  
判断最近一次日期的花费是否是所有的花费中最大花费。

def handle(df):
    #     print(df)
    # 找最大日期
        maxdate = df['LAWDATE'].max()
    # 找最大费用
        left = df[ df['LAWDATE']==maxdate ]['LAWAMOUNT'].max()
    # 取ID
        EID = df['EID'].values[0]
    #     print(EID)
    # 从已存在的表中根据EID找到最大费用
        right = LAW_AMOUNT_MAX.loc[EID,'LAW_AMOUNT_MAX']
    # 判断费用是否相等
        if left==right:
            return 1
        else:
            return 0
            
    LAW_AMOUNT_MAX_IS_LAST = lawsuit2[['EID','LAWAMOUNT','LAWDATE']].groupby(['EID']).apply(handle)

**其他注意点：**  
在groupby后使用apply，如果直接返回，会出现有多余的groupby索引问题，可以使用group\_keys解决：

orgin = reviews_df.sort_values(["reviewerID","unixReviewTime"]).groupby("reviewerID",group_keys=False)
    train = orgin.apply(lambda df: df[:-2])
    train.head()

[SouthEast]: /images/20210520/2eb036aa9fda449c9869bf3e1c6612b8.png
[SouthEast 1]: /images/20210520/8d21e57683c84869861c8cd0260242b3.png
[SouthEast 2]: /images/20210520/253fa2d6ed8c4ece8960aafcc15d67a2.png
[Link 1]: http://www.jianshu.com/p/2d49cb87626b
[SouthEast 3]: /images/20210520/98df15301824400fb0ba47c5ebae0fa9.png
[SouthEast 4]: /images/20210520/b0cb645040614ecda31c9ea080ff6af4.png
[SouthEast 5]: /images/20210520/a713ee036c3a483e9c09a5de48ff4292.png