Question

在关于Python Pandas groupby的课程视频中（在Python课程的数据科学入门中），给出了以下示例：

df.groupby('Category').apply(lambda df,a,b: sum(df[a] * df[b]), 'Weight (oz.)', 'Quantity')

其中df是DataFrame，并且应用lambda来计算两列的总和。如果我理解正确的话，groupby对象（由groupby返回）调用apply函数是一系列元组，由分组的索引和作为特定分组的DataFrame的一部分组成。

我不明白的是使用lambda的方式：

指定了三个参数（lambda df，a，b），但只有两个被明确传递（＆＃39; Weight（oz。）＆＃39;＆＃39; Quantity＆＃39;）。口译员如何知道这些论点＆＃39; a＆＃39;和＆＃39; b＆＃39;是指定为参数的那些，并且使用df＆＃39; as-is＆＃39;？

我查看了文档，但找不到这样一个具体例子的明确答案。我认为这必须对df在范围内做些什么，但却无法找到支持和详细说明这种想法的信息。

Answer 1

apply方法本身会传递每个＆＃34;组＆＃34; groupby对象作为函数的第一个参数。所以它知道将“权重”与“权重”联系起来。和＆＃34;数量＆＃34;基于排名，a和b。（例如，如果算上第一个＆＃34;组＆＃34;参数，它们就是第二和第三个参数。

df = pd.DataFrame(np.random.randint(0,11,(10,3)), columns = ['num1','num2','num3'])
df['category'] = ['a','a','a','b','b','b','b','c','c','c']
df = df[['category','num1','num2','num3']]
df

  category  num1  num2  num3
0        a     2     5     2
1        a     5     5     2
2        a     7     3     4
3        b    10     9     1
4        b     4     7     6
5        b     0     5     2
6        b     7     7     5
7        c     2     2     1
8        c     4     3     2
9        c     1     4     6

gb = df.groupby('category')

隐式参数是每个＆＃34;组＆＃34;或者在这种情况下每个类别

gb.apply(lambda grp: grp.sum())

＆＃34; grp＆＃34;是lambda函数的第一个参数请注意我不必为它指定任何内容，因为它已经被自动作为groupby对象的每个组

         category  num1  num2  num3
category                           
a             aaa    14    13     8
b            bbbb    21    28    14
c             ccc     7     9     9

因此，申请将通过其中的每一项并执行求和操作

print(gb.groups)
{'a': Int64Index([0, 1, 2], dtype='int64'), 'b': Int64Index([3, 4, 5, 6], dtype='int64'), 'c': Int64Index([7, 8, 9], dtype='int64')}

print('1st GROUP:\n', df.loc[gb.groups['a']])
1st GROUP:
  category  num1  num2  num3
0        a     2     5     2
1        a     5     5     2
2        a     7     3     4    


print('SUM of 1st group:\n', df.loc[gb.groups['a']].sum())

SUM of 1st group:
category    aaa
num1         14
num2         13
num3          8
dtype: object

注意这与我们上一次操作的第一行是如何相同的

因此，应用隐式将每个组作为第一个参数传递给函数参数。

来自docs

GroupBy.apply（func，* args，** kwargs）

args，kwargs：tuple and dict


传递给func的可选位置和关键字参数

附加的Args传入＆＃34; * args＆＃34; 隐含组参数后传递。

所以使用你的代码

gb.apply(lambda df,a,b: sum(df[a] * df[b]), 'num1', 'num2') category a 56 b 167 c 20 dtype: int64

这里＆＃39; num1＆＃39;和＆＃39; num2＆＃39;正在作为附加参数传递给lambda函数的每次调用

因此，申请将通过其中的每一项并执行您的lambda操作

# copy and paste your lambda function fun = lambda df,a,b: sum(df[a] * df[b]) print(gb.groups) {'a': Int64Index([0, 1, 2], dtype='int64'), 'b': Int64Index([3, 4, 5, 6], dtype='int64'), 'c': Int64Index([7, 8, 9], dtype='int64')} print('1st GROUP:\n', df.loc[gb.groups['a']]) 1st GROUP: category num1 num2 num3 0 a 2 5 2 1 a 5 5 2 2 a 7 3 4 print('Output of 1st group for function "fun":\n', fun(df.loc[gb.groups['a']], 'num1','num2')) Output of 1st group for function "fun": 56

Python Pandas groupby应用lambda参数

1 个答案: