pandas学习（四） apply

• .apply() Pandas 的 apply() 方法是用来调用一个函数（Python method），让此函数对数据对象进行批量处理。
• .to_datatime 将给定的数据按照指定格式转换成日期格式
• .resample，重新采样，是对原样本重新处理的一个方法，是一个对常规时间序列数据重新采样和频率转换的便捷的方法。
• dataframe.idxmax(),函数返回在请求的轴上第一次出现最大值的索引

1.数据集1

1.1将数据从“学校”切片到“监护人”列

stud_alcoh = df.loc[: , "school":"guardian"]
stud_alcoh.head()
1
2

1.2 写一个lambda函数可以使得首字母大写

capitalizer = lambda x: x.capitalize()
1

stud_alcoh['Mjob'].apply(capitalizer)
stud_alcoh['Fjob'].apply(capitalizer)
1
2

1.3 需要赋值才能使得原数据集值更改

stud_alcoh['Mjob'] = stud_alcoh['Mjob'].apply(capitalizer)
stud_alcoh['Fjob'] = stud_alcoh['Fjob'].apply(capitalizer)
stud_alcoh.tail()
1
2
3

1.4 创建一个名为“majority”的函数，该函数将布尔值返回到名为 legal_drinker 的新列

def majority(x):
    if x > 17:
        return True
    else:
        return False
1
2
3
4
5

stud_alcoh['legal_drinker'] = stud_alcoh['age'].apply(majority)
stud_alcoh.head()
1
2

1.5 数据集的值乘以10

def times10(x):
    if type(x) is int:
        return 10 * x
    return x
1
2
3
4

stud_alcoh.applymap(times10).head(10)
1

2.数据集2

是否注意到年份的类型是 int64。但是pandas有一种不同的类型来使用时间序列

2.1 将 Year 转换为 datetime64

# pd.to_datetime(crime)
crime.Year = pd.to_datetime(crime.Year, format='%Y')
crime.info()
1
2
3

2.2 设置Year作为dataframe的index

crime = crime.set_index('Year', drop = True)
crime.head()
1
2

2.3 按十年对年份进行分组并对值求和

# resample，重新采样，是对原样本重新处理的一个方法，是一个对常规时间序列数据重新采样和频率转换的便捷的方法。重新取样时间序列数据。
# 下采样是将一个时间序列数据集重新采样到一个更大的时间框架。从几分钟到几小时，从几天到几年。结果的行数将减少，并且可以使用mean()、min()、max()、sum()等聚合值。

# 使用resample去对每十年求和
crimes = crime.resample('10AS').sum()

# 使用resample去获取“Population”列的最大值
population = crime['Population'].resample('10AS').max()

# Updating the "Population" column
crimes['Population'] = population

crimes
1
2
3
4
5
6
7
8
9
10
11
12
13

2.4 在美国生活最危险的十年是什么？

# dataframe.idxmax()函数返回在请求的轴上第一次出现最大值的索引
crime.idxmax(0)
1
2