3.Pandas高级函数应用

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
# plt.style.use("bmh")
plt.rc('font', family='SimHei', size=13)
%matplotlib inlineimport warnings
warnings.filterwarnings('ignore')pd.__version__

'2.1.1'

1.1 函数应用

1.1.1 apply

apply()作为一种可自定义的函数，可以对series和dataframe的行列进行自定义函数操作并返回结果。对于分组、窗口、重采样下的dataframe子集等场景也同样适用，是复杂逻辑实现的一个非常强力的方法。
需要注意的是，apply()在对series和dataframe的用法上有所差别：

series：apply操作的对象是series的每个元素，不可设置行列轴方向；
dataframe：apply操作的对象是dataframe中的每一列或者每一行，可以设置行列方向。

# 定义数据集
df_english=pd.DataFrame({"student": ["John", "James", "Jennifer"],"gender": ["male", "male", "female"],"score": [20, 30, 30],"subject": "english"})df_math=pd.DataFrame({"student": ["John", "James", "Jennifer"],"gender": ["male", "male", "female"],"score": [90, 100, 95],"subject": "math"})
df = pd.concat([df_english, df_math],ignore_index=True)
df = df.sort_values(['student','subject']).reset_index(drop=True)
df

	student	gender	score	subject
0	James	male	30	english
1	James	male	100	math
2	Jennifer	female	30	english
3	Jennifer	female	95	math
4	John	male	20	english
5	John	male	90	math

Series

df['score'].apply(lambda x:x-3 if x>90 else x)

0    30
1    97
2    30
3    92
4    20
5    90
Name: score, dtype: int64

DataFrame

# axis=0 -->>对列操作
def col(x):if x.name=='score':return x+5else:return xdf = df.apply(col, axis=0)
df

	student	gender	score	subject
0	James	male	35	english
1	James	male	105	math
2	Jennifer	female	35	english
3	Jennifer	female	100	math
4	John	male	25	english
5	John	male	95	math

# axis=1 -->>对行操作
def row(x):if x['subject']=='english':para=1.1else:para=1.2return x['score']*paradf['new_score'] = df.apply(row, axis=1,result_type='expand')
df

	student	gender	score	subject	new_score
0	James	male	35	english	38.5
1	James	male	105	math	126.0
2	Jennifer	female	35	english	38.5
3	Jennifer	female	100	math	120.0
4	John	male	25	english	27.5
5	John	male	95	math	114.0

传入参数

函数参数需要在args参数中设置，以元组方式args=(x1, x2, ...)完成。

# args参数
def score_bias(x, bias):if x > 90:return x+biaselse:return xdf["score"] = df["score"].apply(score_bias, args=(-3,))     # bias是形参，-3是实参
df

	student	gender	score	subject	new_score
0	James	male	35	english	38.5
1	James	male	102	math	126.0
2	Jennifer	female	35	english	38.5
3	Jennifer	female	97	math	120.0
4	John	male	25	english	27.5
5	John	male	92	math	114.0

传入关键字

传入关键字english=0和math=1。函数内通过kwargs['english']=0和kwargs['math']=1

# 传入关键字
def subject_map(x, **kwargs):return kwargs[x]df["subject_no"] = df["subject"].apply(subject_map, english=0, math=1)
df

	student	gender	score	subject	new_score	subject_no
0	James	male	35	english	38.5	0
1	James	male	102	math	126.0	1
2	Jennifer	female	35	english	38.5	0
3	Jennifer	female	97	math	120.0	1
4	John	male	25	english	27.5	0
5	John	male	92	math	114.0	1

1.1.2 applymap

applymap()应用于dataframe时（且只能用于dataframe），操作对象是每个元素，即接收一个标量元素经过函数处理后再返回一个标量函数，是点对点的操作。

def el_cook(x):if isinstance(x,str):return 's_'+xelse:return str(x)
df.applymap(el_cook)

	student	gender	score	subject	new_score	subject_no
0	s_James	s_male	35	s_english	38.5	0
1	s_James	s_male	102	s_math	126.0	1
2	s_Jennifer	s_female	35	s_english	38.5	0
3	s_Jennifer	s_female	97	s_math	120.0	1
4	s_John	s_male	25	s_english	27.500000000000004	0
5	s_John	s_male	92	s_math	114.0	1

1.1.3 map

map()只能应用于series，可以将series元素通过字典或函数进行映射操作。

arg: 映射参数，可以是映射子类如字典、函数或series；
na_action:对na空值的处理；
- None：默认传给函数处理；
- ignore：忽略并直接传播空值，而不传给函数处理。

字典映射

GENDER_ENCODING= {"male": 0,"female": 1}
df['gender_map'] = df["gender"].map(GENDER_ENCODING)
df

	student	gender	score	subject	new_score	subject_no	gender_map
0	James	male	35	english	38.5	0	0
1	James	male	102	math	126.0	1	0
2	Jennifer	female	35	english	38.5	0	1
3	Jennifer	female	97	math	120.0	1	1
4	John	male	25	english	27.5	0	0
5	John	male	92	math	114.0	1	0

函数映射

缺点是不能像apply()一样传入参数和关键字。大数据时映射效率更高。

df['score'].map(np.sqrt).to_frame()

	score
0	5.916080
1	10.099505
2	5.916080
3	9.848858
4	5.000000
5	9.591663

df['student'].map(list).to_frame()

	student
0	[J, a, m, e, s]
1	[J, a, m, e, s]
2	[J, e, n, n, i, f, e, r]
3	[J, e, n, n, i, f, e, r]
4	[J, o, h, n]
5	[J, o, h, n]

# 自定义函数
df['score'].map(lambda x:x-3 if x>90 else x)

0    35
1    99
2    35
3    94
4    25
5    89
Name: score, dtype: int64

1.1.4 transform

transform()是一种转换函数，其特点是返回结果与自身的形状相同，即前后的shape形状保持不变。因此，transform()的返回结果与自身形状相同，所以不支持有降维功能的函数，比如聚合函数min、mean、std。

# 生成测试数据
cols = ["C_0", "C_1", "C_2", "C_3"]
np.random.seed=123
df = pd.DataFrame(np.random.randint(1, 5, size = (5,4)), columns=cols)
df

	C_0	C_1	C_2	C_3
0	3	3	3	3
1	4	2	3	1
2	1	1	1	4
3	3	2	1	2
4	4	1	2	2

单个函数

传入的单个函数可以是库函数、自定义函数或匿名函数。

df.transform(np.exp).transform(lambda x:round(x,2))

	C_0	C_1	C_2	C_3
0	20.09	20.09	20.09	20.09
1	54.60	7.39	20.09	2.72
2	2.72	2.72	2.72	54.60
3	20.09	7.39	2.72	7.39
4	54.60	2.72	7.39	7.39

多个函数

当transform()传入多个函数是列表形式时，会对dataframe所有列依次进行各函数的转换操作。注意如果有名字相同的函数，只有最后一个函数生效，这个不同于agg()函数可以使得多个匿名函数同时生效。

df.transform([np.square, np.sqrt]).transform(lambda x:round(x,2))

	C_0		C_1		C_2		C_3
	square	sqrt	square	sqrt	square	sqrt	square	sqrt
0	9	1.73	9	1.73	9	1.73	9	1.73
1	16	2.00	4	1.41	9	1.73	1	1.00
2	1	1.00	1	1.00	1	1.00	16	2.00
3	9	1.73	4	1.41	1	1.00	4	1.41
4	16	2.00	1	1.00	4	1.41	4	1.41

1.1.5 pipe

前面的applymap()是元素级、apply()和transform()是行列级应用的函数，pipe()则是表格级的应用函数，称为管道函数。

单个函数

df.pipe(np.exp).pipe(lambda x: round(x, 2))

	C_0	C_1	C_2	C_3
0	20.09	20.09	20.09	20.09
1	54.60	7.39	20.09	2.72
2	2.72	2.72	2.72	54.60
3	20.09	7.39	2.72	7.39
4	54.60	2.72	7.39	7.39

链式调用

df.pipe(np.square).\pipe(np.multiply, 1.5).\pipe(np.add, 8)

	C_0	C_1	C_2	C_3
0	21.5	21.5	21.5	21.5
1	32.0	14.0	21.5	9.5
2	9.5	9.5	9.5	32.0
3	21.5	14.0	9.5	14.0
4	32.0	9.5	14.0	14.0

特殊传参方式

pipe()默认情况下会将dataframe传给调用函数的第一个参数，但一些函数的第一个参数并不是用来接收dataframe输入数据的，如果直接将函数传到pipe()中会提示报错。
为了解决这个问题，pipe()中规定了一种特殊的参数传递方法，是**元组（callable, data_keyword）**的形式。

callable：指定pipe()中调用的函数；
data_keyword：指定将dataframe传给函数中的哪一个参数。

def spcl(num, df):return df.add(num)
df.pipe((spcl,'df'), 2)

	C_0	C_1	C_2	C_3
0	5	5	5	5
1	6	4	5	3
2	3	3	3	6
3	5	4	3	4
4	6	3	4	4

1.2 表达式求值

1.2.1 eval

eval()是一个神奇的函数，可以通过字符串表达式的方式对series和dataframe进行计算和解析操作。其有两大优势：

对数据较大的dataframe对象操作更高效；
对复杂的算术和布尔运算更快速，因为后端计算引擎默认是numexpr。

eval()支持以下算术操作：

算术运算：除左移<<和右移>>运算符外的算术运算
比较操作：包括链式比较，比如，2 < df < df2
布尔运算：例如，df < df2 and df3 < df4 or not df_bool
列表和元组：如[1, 2],(1, 2)
属性访问，如df.a
下标表达式：如df[0]
变量评估：如pd.eval('df')
数学函数：如sin、cos等

eval()不允许使用Python语法：

表达式
- 数学函数以外的函数调用
- is is not操作
- if表达式
- lambda表达式
- list/set/dict comprehension
- literal的dict和set表达式
- yield表达
- 生成器表达式
- 仅包含标量值的布尔表达式
声明
- for, while, if

eval()有两种函数形式

pandas.eval()
dataframe.eval()，是前者的高级封装。

单列变量

pd.eval("C_4 = (df.C_0 > 1) & (df.C_2 == 4)", target=df)

	C_0	C_1	C_2	C_3	C_4
0	3	3	3	3	False
1	4	2	3	1	False
2	1	1	1	4	False
3	3	2	1	2	False
4	4	1	2	2	False

df.eval("C_4 = (C_0 > 1) & (C_2 == 4)")            # 与上面等价

	C_0	C_1	C_2	C_3	C_4
0	3	3	3	3	False
1	4	2	3	1	False
2	1	1	1	4	False
3	3	2	1	2	False
4	4	1	2	2	False

多列变量

df.eval("""C_4 = C_0 + C_1C_5 = C_1 + C_2C_6 = C_2 + C_3"""
)

	C_0	C_1	C_2	C_3	C_4	C_5	C_6
0	3	3	3	3	6	6	6
1	4	2	3	1	6	5	4
2	1	1	1	4	2	2	5
3	3	2	1	2	5	3	3
4	4	1	2	2	5	3	4

局部变量

字符串表达式中可加入局部变量参与计算，通过@前缀标识完成，该前缀方法只能应用于dataframe.eval()函数，对pd.eval()不生效。

a = 5
b = 2
df.eval("C_4 = C_0 * @a + @b")

	C_0	C_1	C_2	C_3	C_4
0	3	3	3	3	17
1	4	2	3	1	22
2	1	1	1	4	7
3	3	2	1	2	17
4	4	1	2	2	22

a = 5
b = 2
pd.eval("C_4 = df.C_0 * a + b", target=df)

	C_0	C_1	C_2	C_3	C_4
0	3	3	3	3	17
1	4	2	3	1	22
2	1	1	1	4	7
3	3	2	1	2	17
4	4	1	2	2	22

类型解析

这里的eval()是Python的内置方法，用来解析字符串。

# 字符类型
a = '[1,2,3]'
type(a)

str

b=eval(a)
type(b)

list

1.2.2 query

dataframe.query()与dataframe.eval()一样，也是pd.eval()的高级封装，可对dataframe对象进行查询操作。