dw进行网站建设包含哪些步骤,wordpress 连接微信,企业网站模板 免费下载,医疗网站建设精英文章目录 apply函数调用apply函数描述性统计apply函数lambda自定义 聚合函数aggregate/agg用字典实现聚合 transform函数多函数 Transform 重置索引与更换标签行重置索引行和列同时重置索引 apply函数调用
apply函数描述性统计
import numpy as np
df.loc[:,Q1:Q4].apply(np.… 文章目录 apply函数调用apply函数描述性统计apply函数lambda自定义 聚合函数aggregate/agg用字典实现聚合 transform函数多函数 Transform 重置索引与更换标签行重置索引行和列同时重置索引 apply函数调用
apply函数描述性统计
import numpy as np
df.loc[:,Q1:Q4].apply(np.mean)
df.loc[:,Q1:Q4].apply(mean) #两种写法均可Q1 49.20
Q2 52.55
Q3 52.67
Q4 52.78
dtype: float64df.loc[:,Q1:Q4].apply(np.cumsum) #累加函数
apply函数lambda自定义
#每季度最值之差
df.loc[:,Q1:Q4].apply(lambda x: x.max() - x.min())Q1 97
Q2 98
Q3 98
Q4 97
dtype: int64#最大值对应索引
df.loc[:,Q1:Q4].apply(lambda x: x.idxmax())Q1 Lincoln4
Q2 Harley
Q3 Lfie
Q4 Ronnie
dtype: object聚合函数aggregate/agg
#计算每列总和 平均数
df.iloc[:,1:].agg([sum,mean])
#使用匿名函数lambda
df.iloc[:,1:].agg([sum,lambda x:x.mean()])
#自定义函数 三种方法
def avg(x):return x.mean()
df.iloc[:,1:].agg([sum,avg])Q1 Q2 Q3 Q4
sum 4920.0 5255.00 5267.00 5278.00
mean 49.2 52.55 52.67 52.78用字典实现聚合
指定为哪些列应用哪些聚合函数时需要把包含列名与标量或标量列表的字典传递给 DataFrame.agg。
df.iloc[:,1:].agg({Q1: mean, Q2: sum})Q1 49.2
Q2 5255.0
dtype: float64df.iloc[:,1:].agg({Q1:[mean,max],Q2:sum})Q1 Q2
max 98.0 NaN
mean 49.2 NaN
sum NaN 5255.0transform函数
transform方法的返回结果与原始数据的索引相同大小相同。与 .agg API 类似该 API 支持同时处理多种操作不用一个一个操作。
#将Q1列全部转换为整数
df[Q1].transform(np.round)name
Liver 89
Arry 36
Ack 57
Eorge 93
Oah 65..
Gabriel 48
Austin7 21
Lincoln4 98
Eli 11
Ben 21
Name: Q1, Length: 100, dtype: int64多函数 Transform
transform() 调用多个函数时生成多层索引 DataFrame。第一层是原始数据集的列名第二层是 transform() 调用的函数名。
#transform调用两个函数
df[Q1].transform([np.round,lambda x:x1])round_ lambda
name
Liver 89 90
Arry 36 37
Ack 57 58
Eorge 93 94
Oah 65 66
... ... ...
Gabriel 48 49
Austin7 21 22
Lincoln4 98 99
Eli 11 12
Ben 21 22重置索引与更换标签
#生成一个4x4的dataframe
s pd.DataFrame(np.random.randint(0,100,(4,4)),index[a,b,c,d],columns[s,w,x,r])s w x r
a 6 28 84 27
b 1 56 92 66
c 46 46 3 91
d 4 81 1 51行重置索引
s.reindex([d,c,b,a])s w x r
d 4 81 1 51
c 46 46 3 91
b 1 56 92 66
a 6 28 84 27行和列同时重置索引
s.reindex(index[d,c,b,a],columns[r,x,w,s])r x w s
d 51 1 81 4
c 91 3 46 46
b 66 92 56 1
a 27 84 28 6
