pandas---groupby高阶transform，filter，apply，agg方法

本文主要是介绍pandas---groupby高阶transform，filter，apply，agg方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

# 一般运用了groupby函数
order_prior.head(100)

在这里插入图片描述

# 然后对user_id进行分组,求出每一组的最大值
order_prior.groupby("user_id")["order_number"].max()
# 所求得是每一个user最大得“order_number”
# 这里也可以使用apply方法，apply里面也可以是自己定义的函数
order_prior.groupby("user_id")["order_number"].apply(lambda x : max(x))

在这里插入图片描述


# apply方法比较常用，因为可以处理多列
order_prior.groupby("user_id").apply(lambda x["order_number"], x["order_row"] : max(x["order_number"] + min(x["order_row"])))

在这里插入图片描述

# 假如是想使用多个函数，比如想求最大值，最小值等等，可以使用agg方法
def m(x):return len(x)# 使用m函数时返回该user_id下order_number的个数
order_prior.groupby("user_id")["order_number"].agg([m,"min"])
# 多个函数时是需要进行中括号的

在这里插入图片描述

# transform函数是将df进行分类，分类完之后会返回与df行数相同的series形式
# 你要求 user_id中order_number(某一列)的一个均值，那么用transform就可以把不同的user_id的order_number都转化为该组内的最大值，并且返回series形式
# 可以理解为将df进行apply方法操作后，再重新拉伸成原始数据的长度，就是将这些值一个个分配回对应的index
order_prior.user_id
# 第一列是index，后面那一列是user_id

在这里插入图片描述

# 使用transform就可以把组内所有的值都转为为最大值，记住是组内的，
# 并且返回的是与输入数据的长度相同的series形式，index也是一 一对应
order_prior.groupby('user_id')['order_number'].transform(max)
# 可以使用自定义函数
order_prior.groupby('user_id')['order_number'].transform(m)
# 所以最终的结果与上面的长度相同，并且user_id相同的，都是该user_id下的最大值

在这里插入图片描述

# 最后讲一下fliter函数，fliter函数就是比apply好用地方就是，apply的函数如果是判断语句的话，会输出布尔型的结果，如果使用fliter，则直接过滤掉不满足条件的数据。
# 但是fliter时只能处理df形式的，也就是列数大于1
# 这里过滤掉order_number最大值小于15的
order_prior.groupby("user_id").filter(lambda x:max(x["order_number"])<15)