知识卡片
apply换来表达力
apply把各组交给函数,再尝试组合返回的pandas对象或标量,适合组内筛选、多项报告等不满足单标量聚合或同形转换的情况。自由度增加也使结果形状、索引与计算成本更需检查。能用明确的agg/transform表达时,可先保留其较强结果契约,而不把apply当所有任务的统一答案。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
最一般化的GroupBy方法是apply,本节剩余部分将重点讲解它。如图9-1所示,apply会将待处理的对象拆分成多个片段,然后对各片段调用传入的函数,最后尝试将各片段组合到一起。 回到之前那个小费数据集,假设你想要根据分组选出最高的5个tip_pct值。首先,编写一个选取指定列具有最大值的行的函数译注5: In [88]: def top(df, n=5
参考来源
《利用Python进行数据分析》第9章《数据聚合与分组运算》
- 位置:《利用Python进行数据分析》第9章《apply:一般性的“拆分-应用-合并”》(spine305;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0291.html;u201-ch09-005)。
- 结论依据:原文在“最一般化的GroupBy方法”附近的定义、例子或代码支撑本卡核心说明:apply把各组交给函数,再尝试组合返回的pandas对象或标量,适合组内筛选、多项报告等不满足单标量聚合或同形转换的情况。边界按已读前提解释;示例未执行。
- 原始内容:最一般化的GroupBy方法是apply,本节剩余部分将重点讲解它。如图9-1所示,apply会将待处理的对象拆分成多个片段,然后对各片段调用传入的函数,最后尝试将各片段组合到一起。 回到之前那个小费数据集,假设你想要根据分组选出最高的5个tip_pct值。首先,编写一个选取指定列具有最大值的行的函数译注5: In [88]: def top(df, n=5