pandas函数 apply、iterrows、iteritems、groupyby

apply

DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kwds)

• func 代表的是传入的函数或 lambda 表达式；
• axis 参数可提供的有两个，该参数默认为0/列
  0 或者 index ，表示函数处理的是每一列；
  1 或 columns ，表示处理的是每一行;
• raw ；bool 类型，默认为 False;
  False ，表示把每一行或列作为 Series 传入函数中；
  True，表示接受的是 ndarray 数据类型；
  

# 沿着0轴求和
data[["height","weight","age"]].apply(np.sum, axis=0)
​
# 沿着0轴取对数
data[["height","weight","age"]].apply(np.log, axis=0)

def BMI(series):
    weight = series["weight"]
    height = series["height"]/100
    BMI = weight/height**2
    return BMI
​
data["BMI"] = data.apply(BMI,axis=1)

agg

DataFrame.agg(func=None, axis: 'Axis' = 0, *args, **kwargs)

对每行进行处理

DataFrame.iterrows() 

每列的循环处理

DataFrame.iteritems()

iteritems可以将DataFrame对象的列

groupby

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False)

GroupBy对象可以通过groups属性访问分组的键的名称和属于该组的索引

GroupBy对象可以通过get_group获取指定的对象