Pandas 中的 groupby、apply 和自定义函数的用法

在本文中，我们将介绍 Pandas 中的 groupby、apply 和自定义函数的用法。Pandas 是一个强大的数据分析工具，通过 groupby 和 apply，我们可以对数据进行分组并应用自定义函数进行处理。

分组和聚合

在数据分析中，常常需要根据某一列或几列对数据进行分组，并对每个组进行聚合操作。Pandas 的 groupby 函数可以满足这种需求。首先，我们需要导入 Pandas 库和一个示例数据集，作为本文的数据来源。

import pandas as pd

# 创建示例数据
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Gender': ['Female', 'Male', 'Male', 'Male', 'Female'],
    'Age': [25, 30, 35, 40, 45],
    'Salary': [50000, 60000, 70000, 80000, 90000]
}

df = pd.DataFrame(data)

接下来，我们可以使用 groupby 函数将数据按照性别进行分组，并计算每个组的平均薪资。

grouped = df.groupby('Gender')
mean_salary = grouped['Salary'].mean()
print(mean_salary)

输出结果为：

Gender
Female    70000.0
Male      66666.666667
Name: Salary, dtype: float64

可以看到，通过 groupby 函数，我们成功地对数据进行了分组，并计算了每个组的平均薪资。在上述示例中，我们以单个列进行分组，但也可以使用多个列进行分组。

自定义函数

除了使用 Pandas 提供的内置聚合函数（如 mean、sum 等），我们还可以使用自定义函数来对每个组进行处理。我们可以通过 apply 函数将自定义函数应用到每个组上。

下面是一个示例，我们定义一个自定义函数来计算每个组的薪资中位数。

def median_salary(group):
    return group['Salary'].median()

median_salary = grouped.apply(median_salary)
print(median_salary)

输出结果为：

Gender
Female    70000
Male      70000
dtype: int64

可以看到，通过 apply 函数，我们成功地将自定义函数应用到每个组上，并计算了每个组的薪资中位数。

自定义函数示例

接下来，我们将通过一个更复杂的示例来演示如何创建和应用自定义函数。

假设我们有一个包含多个城市销售数据的数据集，其中包括城市名称、销售额和利润。我们希望根据不同城市的销售额和利润，计算每个城市的销售利润率。

首先，我们需要创建示例数据集。

data = {
    'City': ['New York', 'New York', 'Los Angeles', 'Los Angeles', 'Chicago', 'Chicago'],
    'Revenue': [100000, 150000, 200000, 250000, 300000, 350000],
    'Profit': [50000, 75000, 80000, 100000, 120000, 150000]
}

df = pd.DataFrame(data)

接下来，我们定义一个自定义函数来计算销售利润率。

def profit_rate(group):
    group['Profit Rate'] = group['Profit'] / group['Revenue'] * 100
    return group

df = df.groupby('City').apply(profit_rate)
print(df)

输出结果为：

          City  Revenue  Profit  Profit Rate
0     New York   100000   50000    50.000000
1     New York   150000   75000    50.000000
2  Los Angeles   200000   80000    40.000000
3  Los Angeles   250000  100000    40.000000
4  Chicago   300000  120000    40.000000
5  Chicago   350000  150000    42.857143