一个小练习，理解起来挺吃力的，我加了注释，以后看的多了，再回来看，应该好理解...

最新推荐文章于 2025-08-13 20:32:07 发布

转载最新推荐文章于 2025-08-13 20:32:07 发布 · 123 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/PYlog/p/9147366.html

本文通过具体案例，讲解了如何使用Python的Pandas库进行数据分组，并应用自定义函数进行最大值和最小值的统计。通过将数据集按特定列分组，再对另一列应用函数，实现了高效的数据分析。

# group_6.apply(function_name) # 对分组对象应用自定义函数
# 练习: 对df6按k3分组后，求每组中k2列的最大值和最小值
# 要求利用 apply 函数

这个作业看着很简单，但是我理解起来挺吃力的。
这个答案不是我写的，实在是不好下口，因为理解的不到位，没有切入点吧...不知道为啥这个这么吃力

df6 = pd.DataFrame({'k1': ['one', 'two'] * 3 + ['two'],

                    'k2': [1, 1, 2, 3, 3, 4, 4]})

bins = pd.cut(df6['k2'], [0, 2, 4], labels=['Low', 'High']) #还是用0~2,2~4分开，但是标签用low跟high

df6['k3'] = bins   #

group_6 = df6['k2'].groupby(df6['k3'])  #这是懵逼，我的理解是df6['k2]这一串数字进行group化统计，用k3里的low与hig分成2组

print(group_6.max(),'我是max')  #打印了一下看了看 k3
                                 #                 Low     2                      #low里边最大的
                                 #                 High    4                      #high里边最大的
                                 #                 Name: k2, dtype: int64 我是max
print(group_6.min(),'我是min') ##打印了一下看了看 k3
                                 #                 Low     1                      #low里边最小的
                                 #                 High    3                      #high里边最小的
                                 #                 Name: k2, dtype: int64 我是min
def myfunc(g):  #这里也能看懂，就是传入一个group（分组统计的类）

    return {'Max': g.max(), 'Min': g.min()}     #以字典的形势返回

print(group_6.apply(myfunc))   #group_适用于后边的函数表达式

运行结果

k3
Low     2
High    4
Name: k2, dtype: int64 我是max

k3
Low     1
High    3
Name: k2, dtype: int64 我是min

k3       
Low   Max    2
      Min    1
High  Max    4
      Min    3
Name: k2, dtype: int64

转载于:https://www.cnblogs.com/PYlog/p/9147366.html