Pandas对DataFrame单列/多列进行运算（map, apply, transform, agg）

shaoheshaohe

1.单列运算
在Pandas中，DataFrame的一列就是一个Series, 可以通过map来对一列进行操作：
df['col2'] = df['col1'].map(lambda x: x**2)
其中lambda函数中的x代表当前元素。可以使用另外的函数来代替lambda函数，例如：
define square(x):
    return (x ** 2)

df['col2'] = df['col1'].map(square)
2.多列运算
要对DataFrame的多个列同时进行运算，可以使用apply，例如col3 = col1 + 2 * col2:
df['col3'] = df.apply(lambda x: x['col1'] + 2 * x['col2'], axis=1)
其中x带表当前行，可以通过下标进行索引。

3.分组运算
可以结合groupby与transform来方便地实现类似SQL中的聚合运算的操作：
df['col3'] = df.groupby('col1')['col2'].transform(lambda x: (x.sum() - x) / x.count())
在transform函数中x.sum()与x.count()与SQL类似，计算的是当前group中的和与数量，还可以将transform的结果作为一个一个映射来使用， 例如：
sumcount = df.groupby('col1')['col2'].transform(lambda x: x.sum() + x.count())

df['col1'].map(sumcount)
对col1进行一个map，得到对应的col2的运算值。

4.聚合函数
结合groupby与agg实现SQL中的分组聚合运算操作，需要使用相应的聚合函数：
df['col2'] = df.groupby('col1').agg({'col1':{'col1_mean': mean, 'col1_sum‘’: sum}, 'col2': {'col2_count': count}})
上述代码生成了col1_mean, col1_sum与col2_count列。


---------------------
作者：BlankSeed
来源：CSDN
原文：https://blog.csdn.net/zwhooo/article/details/79696558