pandas：GroupBy .pipe() 与 .apply()

Question

在 pandas documentation 关于 GroupBy 对象的新 .pipe() 方法的示例中，接受相同 lambda 的 .apply() 方法会 return 相同的结果。

In [195]: import numpy as np

In [196]: n = 1000

In [197]: df = pd.DataFrame({'Store': np.random.choice(['Store_1', 'Store_2'], n),
   .....:                    'Product': np.random.choice(['Product_1', 'Product_2', 'Product_3'], n),
   .....:                    'Revenue': (np.random.random(n)*50+10).round(2),
   .....:                    'Quantity': np.random.randint(1, 10, size=n)})

In [199]: (df.groupby(['Store', 'Product'])
   .....:    .pipe(lambda grp: grp.Revenue.sum()/grp.Quantity.sum())
   .....:    .unstack().round(2))

Out[199]: 
Product  Product_1  Product_2  Product_3
Store                                   
Store_1       6.93       6.82       7.15
Store_2       6.69       6.64       6.77

我可以看到 pipe 功能与 DataFrame 对象的 apply 有何不同，但不是 GroupBy 对象。有没有人解释或举例说明 pipe 可以为 GroupBy 使用 apply 可以做什么？

Answer 1

pipe 的作用是允许您传递可调用对象，并期望调用 pipe 的对象是传递给可调用对象的对象。

对于 apply，我们假设调用 apply 的对象具有子组件，每个子组件都将传递给传递给 apply 的可调用对象。在 groupby 的上下文中，子组件是称为 groupby 的数据帧的切片，其中每个切片本身就是一个数据帧。这类似于一个系列 groupby.

在 groupby 上下文中使用 pipe 可以执行的操作之间的主要区别在于，您可以调用 groupby 对象的整个范围。对于apply，你只知道local slice。

设置
考虑 df

df = pd.DataFrame(dict(
    A=list('XXXXYYYYYY'),
    B=range(10)
))

   A  B
0  X  0
1  X  1
2  X  2
3  X  3
4  Y  4
5  Y  5
6  Y  6
7  Y  7
8  Y  8
9  Y  9

示例 1
使整个 'B' 列的总和为 1，而每个子组的总和为相同的数量。这要求计算知道存在多少组。这是我们不能用 apply 做的事情，因为 apply 不知道有多少组存在。

s = df.groupby('A').B.pipe(lambda g: df.B / g.transform('sum') / g.ngroups)
s

0    0.000000
1    0.083333
2    0.166667
3    0.250000
4    0.051282
5    0.064103
6    0.076923
7    0.089744
8    0.102564
9    0.115385
Name: B, dtype: float64

注：

s.sum()

0.99999999999999989

并且：

s.groupby(df.A).sum()

A
X    0.5
Y    0.5
Name: B, dtype: float64

示例 2
从另一组的值中减去一组的平均值。同样，这不能用 apply 完成，因为 apply 不知道其他组。

df.groupby('A').B.pipe(
    lambda g: (
        g.get_group('X') - g.get_group('Y').mean()
    ).append(
        g.get_group('Y') - g.get_group('X').mean()
    )
)

0   -6.5
1   -5.5
2   -4.5
3   -3.5
4    2.5
5    3.5
6    4.5
7    5.5
8    6.5
9    7.5
Name: B, dtype: float64

Answer 2

print(df.groupby(['A'])['B'].apply(lambda l: l/l.sum()/df.A.nunique()))

pandas：GroupBy .pipe() 与 .apply()

pandas: GroupBy .pipe() vs .apply()

python

python-3.x

pandas

pandas-groupby