Python pandas:GroupBy.pipe（）与apply（）的比较

在关于GroupBy对象的新

.pipe（）

方法的示例中，接受相同lambda的

.apply（）

方法将返回相同的结果

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

---

对于DataFrame对象，我可以看到

管道

功能与

应用

的不同之处，但对于GroupBy对象则没有。是否有人解释或举例说明了对于GroupBy，可以使用

pipe

而不是

apply

来做什么？

pipe所做的是允许您传递一个可调用对象，并期望调用

pipe

的对象是传递给可调用对象的对象

使用

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

的数据帧的片段，其中每个片段本身就是一个数据帧。这与系列

groupby

类似

在

groupby

上下文中使用

pipe

的主要区别在于，可以调用

groupby

对象的整个范围。对于apply，您只知道本地切片

设置
考虑<代码> df>代码>

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
将整个

'B'

列的总和设为

1

，而每个子组的总和相同。这要求计算时知道存在多少组。这是我们不能用

apply

做的，因为

apply

不知道存在多少组

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:

以及：

---

示例2
从另一组的值中减去一组的平均值。同样，这不能通过

apply

实现，因为

apply

不知道其他组的情况

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

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

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

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