agg 方法將一個函數(shù)使用在一個數(shù)列上，然后返回一個標量的值。也就是說agg每次傳入的是一列數(shù)據(jù)，對其聚合后返回標量。

對一列使用三個函數(shù)：

對不同列使用不同函數(shù)

apply 是一個更一般化的方法：將一個數(shù)據(jù)分拆-應(yīng)用-匯總。而apply會將當前分組后的數(shù)據(jù)一起傳入，可以返回多維數(shù)據(jù)。

實例：

1、數(shù)據(jù)如下：

lawsuit2[['EID','LAWAMOUNT','LAWDATE']]

2、groupby后應(yīng)用apply傳入函數(shù)數(shù)據(jù)如下：

lawsuit2[['EID','LAWAMOUNT','LAWDATE']].groupby(['EID']).apply(lambda df:print(df))

3、如果使用agg，對于兩列可以處理，但對于上面的三列，打印數(shù)據(jù)如下：

lawsuit2[['EID','LAWAMOUNT','LAWDATE']].groupby(['EID']).agg(lambda df:print(df))

可以看到agg傳入的只有一列數(shù)據(jù)，如果我們使用df加列下表強行取值也能取到，但是有時會出現(xiàn)各種keyError問題。

4、完整代碼：

判斷最近一次日期的花費是否是所有的花費中最大花費。

def handle(df):
#   print(df)
# 找最大日期
  maxdate = df['LAWDATE'].max()
# 找最大費用
  left = df[ df['LAWDATE']==maxdate ]['LAWAMOUNT'].max()
# 取ID
  EID = df['EID'].values[0]
#   print(EID)
# 從已存在的表中根據(jù)EID找到最大費用
  right = LAW_AMOUNT_MAX.loc[EID,'LAW_AMOUNT_MAX']
# 判斷費用是否相等
  if left==right:
    return 1
  else:
    return 0
    
LAW_AMOUNT_MAX_IS_LAST = lawsuit2[['EID','LAWAMOUNT','LAWDATE']].groupby(['EID']).apply(handle)

其他注意點：

在groupby后使用apply，如果直接返回，會出現(xiàn)有多余的groupby索引問題，可以使用group_keys解決：

orgin = reviews_df.sort_values(["reviewerID","unixReviewTime"]).groupby("reviewerID",group_keys=False)
train = orgin.apply(lambda df: df[:-2])
train.head()

補充：pandas分組聚合運算groupby之a(chǎn)gg,apply,transform

groupby函數(shù)是pandas中用以分組的函數(shù)，可以通過指定列來進行分組，并返回一個GroupBy對象。對于GroupBy對象的聚合運算，其有經(jīng)過優(yōu)化的較為常用的sum,mean等函數(shù)，但是如果我們需要用自定義的函數(shù)進行聚合運算，那么就需要通過agg,apply,transform來實現(xiàn)。

agg,apply和transform三者之間的區(qū)別在于：1、agg和transform之間的區(qū)別為：前者經(jīng)過聚合后，只會在該組單列中返回一個標量值，而transform則會將該標量值在該組單列內(nèi)進行廣播，保持原DataFrame的索引不變；2、agg和transform中的函數(shù)參數(shù)是以分組后的單列(Series)為操作對象的，即傳入agg和transform的函數(shù)的參數(shù)是列，而apply中的函數(shù)參數(shù)是分組后整個的DataFrame。下面分別對這兩點進行說明。

一、agg和transform

如下代碼所示，構(gòu)造一個df，agg和transform中l(wèi)ambda函數(shù)的input都為單列，但是agg返回的索引是分組的key的唯一值，而transform返回的索引和原df一樣，但是相比于agg返回的結(jié)果，發(fā)現(xiàn)transform只是在d行處的值進行了重復(fù)的廣播，這個目的就是維持原df的索引不變，且被拿來分組的列會被剔除。

df
Out[1]:
 index a b c
0   d 0 1 2
1   d 3 4 5
2   e 6 7 8
 
df.groupby(by='index').agg(lambda x:x.shape)
Out[2]: 
     a   b   c
index         
d   (2,) (2,) (2,)
e   (1,) (1,) (1,)
 
df.groupby(by='index').transform(lambda x:x.shape)
Out[3]: 
   a   b   c
0 (2,) (2,) (2,)
1 (2,) (2,) (2,)
2 (1,) (1,) (1,) 

二、agg和apply

下面的是apply的結(jié)果，相比于上面agg的結(jié)果，可以發(fā)現(xiàn)，實際上lambda函數(shù)的input不再是一個Series，而是分組后的整個DataFrame。

dd.groupby(by='index').apply(lambda x:x.shape)
Out[4]: 
index
d  (2, 4)
e  (1, 4)

三、其他注意點

對于agg函數(shù)，其不僅可以傳入一個函數(shù)對每列執(zhí)行相同的操作，還可以傳入一個字典{'col_name':func}，來對不同的列做不同的操作，也可以將func替換為由多個不同的函數(shù)組成的list，實現(xiàn)對同一列做多個不同的操作，這是agg函數(shù)最為靈活的地方。

這三個函數(shù)，參數(shù)形式都為(func, *args,**kwargs)，所以可以通過位置參數(shù)和關(guān)鍵字參數(shù)給func傳遞額外的參數(shù)。

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。