在python的pandas中，apply函数是一个常用的操作函数，它可以对数据框进行行或列或元素的操作，可以返回一个标量、一个Series或一个新的DataFrame。同样地，apply也支持返回多列。
我们需要定义一个要被apply的函数，并使用apply函数调用该函数，代码如下：
def func(row):
# do something
return pd.Series([val1, val2, val3])
df.apply(func, axis=1)
其中axis=1表示对行进行操作，func是对每一行所执行的函数，返回值需要是一个Series，该Series包含了所有想要返回的列。例如这个示例中，我们想要返回三列val1，val2和val3。
我们来看一个实际的例子：
假设我们有一个数据框，其中有三列id，age和height。我们想要根据年龄段分类，并统计每个年龄段中身高的贡献度。
import pandas as pd
import numpy as np
data = {
'id': ['001', '002', '003', '004', '005', '006', '007', '008', '009', '010'],
'age': [20, 21, 20, 23, 25, 26, 21, 22, 23, 24],
'height': [176, 172, 179, 182, 166, 178, 183, 175, 171, 184],
}
df = pd.DataFrame(data)
def contribution(row):
row['contribution'] = row['height'] / row['height'].sum()
return row
df.groupby('age').apply(contribution)
经过上述代码的处理，我们将新的列contribution加入到了原数据框中，并且同时统计了每个年龄段中身高的贡献度。
再看一个简单的例子，假设我们有一个数据框，其中有三列a，b和c。我们想要根据a和b的值统计c的和以及c中每个元素的平均值。
import pandas as pd
import numpy as np
data = {
'a': [1, 2, 1, 2, 1, 2],
'b': [3, 4, 3, 4, 3, 4],
'c': [5, 7, 9, 11, 13, 15]
}
df = pd.DataFrame(data)
def agg_func(x):
return pd.Series({
'sum_c': np.sum(x['c']),
'mean_c': np.mean(x['c']),
})
df.groupby(['a', 'b']).apply(agg_func)
我们首先使用groupby函数根据a和b的值进行分组，然后使用apply函数调用agg_func函数，该函数会返回一个包含两个元素的Series：sum_c和mean_c。最终结果为一个以a和b为索引的新数据框，该数据框中包含两列：sum_c和mean_c。
本文链接：http://task.lmcjl.com/news/17482.html