利用Python进行数据分析_数据聚合与分组运算_分组级运算和转换

transform方法

transform会讲一个函数运用到各个分组。

文件6.xlsx的内容如下：

 假设我们想为DataFrame添加一个用于存放各索引分组平均值的列。我们可以先聚合再合并：

from pandas import Series,DataFrame
import pandas as pd
df = pd.read_excel('F:/Jupyter/6.xlsx')
sex_mean = df.groupby('sex').mean().add_prefix('mean_')
sex_mean
pd.merge(df,sex_mean,left_on='sex',right_index=True)

 接下来，我们用transform方法解决这个问题：

from pandas import Series,DataFrame
import pandas as pd
import numpy as np
df = pd.read_excel('F:/Jupyter/6.xlsx')
key = ['sex']
sex_mean = df.groupby(key).transform(np.mean).add_prefix('mean_')
sex_mean

运行结果：

这个方法的好处是，假设我们现在要将每个人的平均分再减10分。我们只需要写一个函数 def minus() 

from pandas import Series,DataFrame
import pandas as pd
import numpy as np
df = pd.read_excel('F:/Jupyter/6.xlsx')
# key = ['age']
def minus(arr):
    return arr-10
sex_mean = df.groupby('age').transform(minus).add_prefix('mean_')
sex_mean

执行结果：

从结果中，我们可以看到列表中的每个数值均被减10。 

applye方法

调用applye方法返回的是一个pandas对象或标量值。

题目：分别计算男生和女生每个科目的平均成绩。

from pandas import Series,DataFrame
import pandas as pd
import numpy as np
df = pd.read_excel('F:/Jupyter/6.xlsx')
def find(df):
    return df.mean()
sex = df.groupby('sex').apply(find)
sex

运行结果：