pandas 匿名函数与聚合函数的使用

原创

已于 2023-07-17 14:40:38 修改 · 1.1k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#pandas #数据分析

于 2020-12-18 10:11:02 首次发布

本文围绕Pandas在数据分析中的应用展开。介绍了apply()匿名函数的使用，包括简单列操作如计算已注册天数、数据类型转换、字段标准化处理，以及行转列操作。还阐述了聚合函数的运用，如groupby()与agg()分组聚合，merge()按字段连接数据，并说明了不同拼接方式。

1. apply() 匿名函数的使用

1.1 简单列操作

1.1.1 针对“注册日期”列计算已注册天数

备注：这种速度很慢！

# 使用apply()对某一列进行匿名函数映射
try:
    today = datetime.datetime.today()
    data['reg_days'] = data['reg_dt'].apply(
        lambda x: (today - datetime.datetime.strptime(x, '%Y-%m-%d')).days)
except Exception as e:
    print('no reg_dt label!')

1.1.2 数据类型转换

# 将各字段转为数值型，不能转换则跳过
df.apply(pd.to_numeric, errors='ignore')
df['aa'] = pd.to_numeric(df['aa'])

1.1.3 字段标准化处理

 df['aa'] = df['aa'].apply(
    lambda x: (x.astype(np.float64) - np.mean(x.astype(np.float64))) / (np.std(x.astype(np.float64)))+1)
     
 # df['aa'] = df['aa'].apply(lambda x: (x - np.mean(x)) / (np.std(x))+1)