import pandas as pd data = pd.DataFrame({'name':['wencky','stany','barbio','barbio'],'age':[29,29,3,10],'gender':['w','m','m', 'w']})# 1 transform可用，agg和apply得到NaN。 data["a"] = data.groupby("gender")["age"].agg(lambda x: x.mean()) # 輸出 name age gender a 0 wencky 29 w NaN 1 stany 29 m NaN 2 barbio 3 m NaN 3 barbio 10 w NaNdata["a"] = data.groupby("gender")["age"].apply(lambda x: x.mean()) # 輸出 name age gender a 0 wencky 29 w NaN 1 stany 29 m NaN 2 barbio 3 m NaN 3 barbio 10 w NaNdata["a"] = data.groupby("gender")["age"].transform(lambda x: x.mean()) # 輸出name age gender a 0 wencky 29 w 19.5 1 stany 29 m 16.0 2 barbio 3 m 16.0 3 barbio 10 w 19.5# 2 data= data.groupby("gender")["age"].agg(lambda x: x.mean()) # 輸出 gender m 16.0 w 19.5data= data.groupby("gender")["age"].apply(lambda x: x.mean())# 輸出 gender m 16.0 w 19.5data= data.groupby("gender")["age"].transform(lambda x: x.mean()) # 輸出 0 19.5 1 16.0 2 16.0 3 19.5# 3 data = data.groupby("gender").agg(lambda x: x["age"].mean()) # 報(bào)錯(cuò)data = data.groupby("gender").apply(lambda x: x["age"].mean()) # 輸出 gender m 16.0 w 19.5data = data.groupby("gender").transform(lambda x: x["age"].mean()) # 報(bào)錯(cuò)# 4 該用法不可用 data["c"] = data.groupby("gender").agg(lambda x: x["age"].mean()) # 報(bào)錯(cuò)data["c"] = data.groupby("gender").apply(lambda x: x["age"].mean()) # 輸出name age gender c 0 wencky 29 w NaN 1 stany 29 m NaN 2 barbio 3 m NaN 3 barbio 10 w NaNdata["c"] = data.groupby("gender").transform(lambda x: x["age"].mean()) # 報(bào)錯(cuò)# 以下5-8用法使用agg均報(bào)錯(cuò)：valueError: Must produce aggregated value# 5 data["b"]= data.groupby("gender")["age"].agg(lambda x: x+1) # 輸出 valueError: Must produce aggregated valuedata["b"]= data.groupby("gender")["age"].apply(lambda x: x+1) # 輸出name age gender b 0 wencky 29 w 30 1 stany 29 m 30 2 barbio 3 m 4 3 barbio 10 w 11data["b"]= data.groupby("gender")["age"].transform(lambda x: x+1) # 輸出name age gender b 0 wencky 29 w 30 1 stany 29 m 30 2 barbio 3 m 4 3 barbio 10 w 11# 6 兩種用法結(jié)果一致 data = data.groupby("gender")["age"].apply(lambda x: x+1) data = data.groupby("gender")["age"].transform(lambda x: x+1) # 輸出 0 30 1 30 2 4 3 11# 7 data = data.groupby("gender").apply(lambda x: x["age"]+1) # 輸出 gender m 1 302 4 w 0 303 11data = data.groupby("gender").transform(lambda x: x["age"]+1) # 報(bào)錯(cuò)# 8 data["d"] = data.groupby("gender").apply(lambda x: x["age"]+1) # 報(bào)錯(cuò)data["d"] = data.groupby("gender"). transform (lambda x: x["age"]+1) # 報(bào)錯(cuò)

總結(jié)

以上是生活随笔為你收集整理的python：dataframe groupby后agg、apply、transfrom用法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。