Pandasagg和应用功能有什么区别？

Question

我搞不清熊猫函数和熊猫函数之间的区别 以下面的例子为例：加载一个数据集，执行一个groupby，定义一个简单的函数， 以及用户.agg或.apply。

如您所见，函数中的printing语句会产生相同的输出 使用.agg和.apply后。另一方面，结果却不同。为什么？

import pandas
import pandas as pd
iris = pd.read_csv('iris.csv')
by_species = iris.groupby('Species')
def f(x):
    ...:     print type(x)
    ...:     print x.head(3)
    ...:     return 1

使用apply：

by_species.apply(f)
#<class 'pandas.core.frame.DataFrame'>
#   Sepal.Length  Sepal.Width  Petal.Length  Petal.Width Species
#0           5.1          3.5           1.4          0.2  setosa
#1           4.9          3.0           1.4          0.2  setosa
#2           4.7          3.2           1.3          0.2  setosa
#<class 'pandas.core.frame.DataFrame'>
#   Sepal.Length  Sepal.Width  Petal.Length  Petal.Width Species
#0           5.1          3.5           1.4          0.2  setosa
#1           4.9          3.0           1.4          0.2  setosa
#2           4.7          3.2           1.3          0.2  setosa
#<class 'pandas.core.frame.DataFrame'>
#    Sepal.Length  Sepal.Width  Petal.Length  Petal.Width     Species
#50           7.0          3.2           4.7          1.4  versicolor
#51           6.4          3.2           4.5          1.5  versicolor
#52           6.9          3.1           4.9          1.5  versicolor
#<class 'pandas.core.frame.DataFrame'>
#     Sepal.Length  Sepal.Width  Petal.Length  Petal.Width    Species
#100           6.3          3.3           6.0          2.5  virginica
#101           5.8          2.7           5.1          1.9  virginica
#102           7.1          3.0           5.9          2.1  virginica
#Out[33]: 
#Species
#setosa        1
#versicolor    1
#virginica     1
#dtype: int64

使用agg

by_species.agg(f)
#<class 'pandas.core.frame.DataFrame'>
#   Sepal.Length  Sepal.Width  Petal.Length  Petal.Width Species
#0           5.1          3.5           1.4          0.2  setosa
#1           4.9          3.0           1.4          0.2  setosa
#2           4.7          3.2           1.3          0.2  setosa
#<class 'pandas.core.frame.DataFrame'>
#    Sepal.Length  Sepal.Width  Petal.Length  Petal.Width     Species
#50           7.0          3.2           4.7          1.4  versicolor
#51           6.4          3.2           4.5          1.5  versicolor
#52           6.9          3.1           4.9          1.5  versicolor
#<class 'pandas.core.frame.DataFrame'>
#     Sepal.Length  Sepal.Width  Petal.Length  Petal.Width    Species
#100           6.3          3.3           6.0          2.5  virginica
#101           5.8          2.7           5.1          1.9  virginica
#102           7.1          3.0           5.9          2.1  virginica
#Out[34]: 
#           Sepal.Length  Sepal.Width  Petal.Length  Petal.Width
#Species                                                         
#setosa                 1            1             1            1
#versicolor             1            1             1            1
#virginica              1            1             1            1

Answer 1

当使用apply to a groupby时，我遇到了.apply将返回分组列。文档中有一个注释（pandas.pydata.org/pandas-docs/stable/groupby.html）：

"...Thus the grouped columns(s) may be included in the output as well as set the indices."

.aggregate将不返回分组列。

Answer 2

apply将函数应用于每个组（您的Species）。您的函数返回1，因此您最终为3个组中的每个组返回1个值。

agg为每个组聚合每个列（feature），因此每个组的每个列都有一个值。

一定要阅读^{}文档，它们非常有用。还有很多教程在网上流传。

Answer 3

（注意：这些比较与DataframeGroupby对象相关）

与.apply()相比，使用.agg()对于DataFrame GroupBy对象的一些可能的优点是：

1. .agg()提供了一次应用多个函数或将函数列表传递给每个列的灵活性。

2. 同时，将不同的函数同时应用于数据帧的不同列。

这意味着您可以在每次操作中对每一列都有很大的控制权。

以下是详细信息的链接：http://pandas.pydata.org/pandas-docs/version/0.13.1/groupby.html

---

然而，apply函数可以被限制为一次对数据帧的每列应用一个函数。因此，您可能需要反复调用apply函数来调用同一列的不同操作。

下面是对DataframeGroupBy对象的.apply()与.agg()的一些示例比较：

给定以下数据帧：

In [261]: df = pd.DataFrame({"name":["Foo", "Baar", "Foo", "Baar"], "score_1":[5,10,15,10], "score_2" :[10,15,10,25], "score_3" : [10,20,30,40]})

In [262]: df
Out[262]: 
   name  score_1  score_2  score_3
0   Foo        5       10       10
1  Baar       10       15       20
2   Foo       15       10       30
3  Baar       10       25       40

让我们首先使用.apply()：查看操作

In [263]: df.groupby(["name", "score_1"])["score_2"].apply(lambda x : x.sum())
Out[263]: 
name  score_1
Baar  10         40
Foo   5          10
      15         10
Name: score_2, dtype: int64

In [264]: df.groupby(["name", "score_1"])["score_2"].apply(lambda x : x.min())
Out[264]: 
name  score_1
Baar  10         15
Foo   5          10
      15         10
Name: score_2, dtype: int64

In [265]: df.groupby(["name", "score_1"])["score_2"].apply(lambda x : x.mean())
Out[265]: 
name  score_1
Baar  10         20.0
Foo   5          10.0
      15         10.0
Name: score_2, dtype: float64

现在，看一下使用.agg（）毫不费力的相同操作：

In [276]: df.groupby(["name", "score_1"]).agg({"score_3" :[np.sum, np.min, np.mean, np.max], "score_2":lambda x : x.mean()})
Out[276]: 
              score_2 score_3               
             <lambda>     sum amin mean amax
name score_1                                
Baar 10            20      60   20   30   40
Foo  5             10      10   10   10   10
     15            10      30   30   30   30

---

因此，与.apply()相比，.agg()在处理DataFrameGroupBy对象时非常方便。但是，如果只处理纯数据帧对象，而不处理数据帧GroupBy对象，则apply()可能非常有用，因为apply()可以沿数据帧的任何轴应用函数。

（例如：axis = 0表示使用默认模式的.apply(),按列操作，而在处理纯数据帧对象时，axis = 1表示按行操作）。