Python Pandas groupby应用lambda参数

Question

在有关Python Pandas groupby的课程视频中（在Python数据科学入门课程中）给出了以下示例：

df.groupby('Category').apply(lambda df,a,b: sum(df[a] * df[b]), 'Weight (oz.)', 'Quantity')

其中df是一个DataFrame，并且应用lambda来计算两列的总和。如果我理解正确，则调用apply函数的groupby对象（由groupby返回）是一系列元组，由组成分组的索引和作为特定分组的DataFrame部分组成。

我不了解lambda的使用方式：

指定了三个参数（lambda df，a，b），但仅显式传递了两个参数（“ Weight（oz。）”和“ Quantity”）。解释器如何知道参数'a'和'b'是指定为参数的参数，而df是按原样使用的？

我看了看文档，但找不到这样一个具体示例的明确答案。我认为这与df的作用有关，但是无法找到支持和详细说明该思想的信息。

Answer 1

apply方法本身将groupby对象的每个“组”作为函数的第一个参数传递。因此，它知道将“重量”和“数量”关联到位置a并b基于位置。（例如，如果算第一个“组”参数，它们是第二个和第三个参数。

df = pd.DataFrame(np.random.randint(0,11,(10,3)), columns = ['num1','num2','num3'])
df['category'] = ['a','a','a','b','b','b','b','c','c','c']
df = df[['category','num1','num2','num3']]
df

  category  num1  num2  num3
0        a     2     5     2
1        a     5     5     2
2        a     7     3     4
3        b    10     9     1
4        b     4     7     6
5        b     0     5     2
6        b     7     7     5
7        c     2     2     1
8        c     4     3     2
9        c     1     4     6

gb = df.groupby('category')

隐式参数是每个“组”，在这种情况下是每个类别

gb.apply(lambda grp: grp.sum()) 

“ grp”是lambda函数的第一个参数，请注意，我不必为它指定任何内容，它会自动作为groupby对象的每个组

         category  num1  num2  num3
category                           
a             aaa    14    13     8
b            bbbb    21    28    14
c             ccc     7     9     9

因此，应用遍历所有这些并执行求和运算

print(gb.groups)
{'a': Int64Index([0, 1, 2], dtype='int64'), 'b': Int64Index([3, 4, 5, 6], dtype='int64'), 'c': Int64Index([7, 8, 9], dtype='int64')}

print('1st GROUP:\n', df.loc[gb.groups['a']])
1st GROUP:
  category  num1  num2  num3
0        a     2     5     2
1        a     5     5     2
2        a     7     3     4    


print('SUM of 1st group:\n', df.loc[gb.groups['a']].sum())

SUM of 1st group:
category    aaa
num1         14
num2         13
num3          8
dtype: object

请注意，这与我们先前操作的第一行相同

因此apply是将每个组作为第一个参数隐式传递给函数参数。

来自文档

GroupBy.apply（func，* args，** kwargs）

args，kwargs：元组和dict

可选的位置和关键字参数传递给func

在“ * args”中传递的其他Args在隐式组参数之后传递。

所以用你的代码

gb.apply(lambda df,a,b: sum(df[a] * df[b]), 'num1', 'num2')

category
a     56
b    167
c     20
dtype: int64

此处，“ num1”和“ num2”作为附加参数传递给lambda函数的每次调用

因此，应用遍历所有这些并执行lambda操作

# copy and paste your lambda function
fun = lambda df,a,b: sum(df[a] * df[b])

print(gb.groups)
{'a': Int64Index([0, 1, 2], dtype='int64'), 'b': Int64Index([3, 4, 5, 6], dtype='int64'), 'c': Int64Index([7, 8, 9], dtype='int64')}

print('1st GROUP:\n', df.loc[gb.groups['a']])

1st GROUP:
   category  num1  num2  num3
0        a     2     5     2
1        a     5     5     2
2        a     7     3     4

print('Output of 1st group for function "fun":\n', 
fun(df.loc[gb.groups['a']], 'num1','num2'))

Output of 1st group for function "fun":
56