关于 pandas groupby 中 lambda 运算符的说明答案

【问题标题】：Clarification on lambda operator in pandas groupby关于 pandas groupby 中 lambda 运算符的说明
【发布时间】：2018-01-27 19:14:45
【问题描述】：

我无法发表评论，因为我是 stackoverflow 的新手，所以不能直接在线程中提问，但我想在 question 中澄清解决方案：

# From Paul H
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
                   'office_id': list(range(1, 7)) * 2,
                   'sales': [np.random.randint(100000, 999999)
                             for _ in range(12)]})
state_office = df.groupby(['state', 'office_id']).agg({'sales': 'sum'})
# Change: groupby state_office and divide by sum
state_pcts = state_office.groupby(level=0).apply(lambda x:
                                                 100 * x / float(x.sum()))

我了解多索引选择（0 级与 1 级），但我不清楚 lambda 函数中的每个 x 指的是什么。 x.sum() 中的 x 对我来说是指 level = 0（在 level = 0 处对每个分组内的所有结果求和），但 100 * x 中的 x 似乎是指 groupby 对象中的每个单独结果（不是索引level = 0 分组）。

对于这样一个基本的问题很抱歉，但解释会非常有用！

【问题讨论】：

标签： python pandas lambda

【解决方案1】：

这是state_office DataFrame：

state_office
Out: 
                  sales
state office_id        
AZ    2          589661
      4          339834
      6          201054
CA    1          760950
      3          935865
      5          464993
CO    1          737207
      3          154900
      5          277555
WA    2          510215
      4          640508
      6          557411

如果您在 level=0 上对它进行分组，则这些组将是：

                  sales
state office_id        
AZ    2          589661
      4          339834
      6          201054

                  sales
state office_id        
CA    1          760950
      3          935865
      5          464993

                  sales
state office_id        
CO    1          737207
      3          154900
      5          277555

当您将 groupby.apply 与自定义函数一起使用时，这些组将成为此函数的输入（x 在 lambda x 中）。我将使用术语 group 而不是 x 更明确。

让你感到困惑的是广播。如果对于特定组，您使用group / group.sum()，那么它将将该组中的每个元素除以总和。我们先来看第一组：

                  sales
state office_id        
AZ    2          589661
      4          339834
      6          201054

group.sum() 返回：

group.sum()
Out: 
sales    1130549
dtype: int64

由于它只有一个元素，float(x.sum()) 将返回 1130549.0。（更简洁的版本是在 GroupBy 对象上选择销售系列，然后应用该函数。state_office.groupby(level=0)['sales'].apply(lambda x: 100 * x / x.sum()) 在这里，x 是一个系列，因此 x.sum() 将是一个标量，因此您不需要 float(x.sum())）。

如果你将每个元素除以这个值，你会得到想要的结果：

group / group.sum()
Out: 
                    sales
state office_id          
AZ    2          0.521570
      4          0.300592
      6          0.177837

pandas/numpy 在这一点上发现，如果形状不相同但有一个共同的轴，那么操作应该基于它来完成（更基本的是，如果你传递三个数字而不是元素方式除法，但由于您只传递一个数字，它知道您想将这三个数字中的每一个除以这个数字）。

【讨论】：

明白 -- 非常感谢您提供的详细信息，非常感谢！
@jbachlombardo 很高兴为您提供帮助。 :)

【解决方案2】：

让我们一起阅读文档。 (Source)

GroupBy.apply(func, *args, **kwargs)[source] 应用函数 func 分组并将结果组合在一起。

从上面的签名查看func：

函数：函数

将数据框作为其第一个参数的可调用对象，并返回一个数据框、序列或标量。此外，可赎回可能需要位置参数和关键字参数

在 OP 的示例中，lambda x: 100 * x / float(x.sum() 在文档中是 func。从文档中，x 这里是一个数据框，groupby 调用之后的一组组。

【讨论】：