聚合只不過是分組運算中的一種而已。它是數據轉換的一個特例，也就是說，它接受能夠將一維數組簡化為標量值的函數

分組級運算

tansdorm函數的作用時，使用一個函數，然后把這個結果放到相應的函數這里有這樣一個例子：

def demean(arr):

return arr - arr.mean()

demeaned = people.groupby(key).transform(demean)

但是transform要求傳入嚴格條件的特殊函數，要么產生一個可以廣播的標量值，要么是一個相同大小的結果數組。

apply函數

最一般化的 GroupBy 方法是 apply，本實驗剩余部分將重點講解它。apply 會將待處理的對象拆分成多個片段，然后對各片段調用傳入的函數，最后嘗試將各片段組合到一起。

tips.groupby(['smoker','day']).apply(top,n=1,column='total_bill')

在 GroupBy 中，當你調用諸如 describe 之類的方法時，實際上只是應用了下面兩條代碼的快捷方式而已：

f = lambda x: x.describe()

grouped.apply(f)

分位數和桶分析

pandas 有一些能根據指定面元或樣本分位數將數據拆分成多塊的工具（比如 cut 和 qcut）。將這些函數跟 groupby 結合起來，就能非常輕松地實現對數據集的桶（bucket）或分位數（quantile）分析了

def get_stats(group):

return {'min':group.min(),

'max':group.max(),

'count':group.count(),

'mean':group.mean()}

factor = pd.cut(frame.data1,4)

grouped = frame.data2.groupby(factor)

grouped.apply(get_stats).unstack()

#對于qcut來講，得到樣本分位數的桶

grouping = pd.qcut(frame.data1, 10, labels=False)

總結

以上是生活随笔為你收集整理的python实验报告二_分组级运算和转换的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。