Python——Pandas 的 apply 函数使用示例

apply 是 pandas 库的一个很重要的函数，多和 groupby 函数一起用，也可以直接用于 DataFrame 和 Series 对象。主要用于数据聚合运算，可以很方便的对分组进行现有的运算和自定义的运算。

数据集

使用的数据集是美国人口普查的数据，可以从这里下载，里面包含了CSV数据文件和PDF说明文件，说明文件里解释了每个变量的意义。

数据大致是这个样子：

美国人口普查数据

问题

1. 以每个州人口最多的 3 个县的人口总和为这个州人口的衡量标准，哪 3 个州人口最多？
2. 在 2010 年至 2015 年间人口变化幅度最大的是哪个县？

分析

1. 先按州分组，再对每个州内的县进行排序选出人口最多的 3 个县求和，作为每个州的人口数，最后排序。
2. 对于每个县，计算 2010-2015 年的人口数的最大值和最小值，求出差值即变化幅度，再对差值进行排序找出变化幅度最大的县。

代码

问题1

census_df = pd.read_csv('census.csv')

only_county = census_df[census_df['SUMLEV'] == 50]

def top(df, n=3, column='CENSUS2010POP'):

return df.sort_values(column, ascending=False)[:n]['CENSUS2010POP'].sum()

grouped = only_county[['STNAME', 'CTYNAME', 'CENSUS2010POP']].groupby('STNAME').apply(top)

grouped.sort_values(ascending=False)[:3].index.tolist()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

输出：

问题2

census_df = pd.read_csv('census.csv')

only_county = census_df[census_df['SUMLEV'] == 50]

def get_change(row):

pop_year = row[['POPESTIMATE2010',

'POPESTIMATE2011',

'POPESTIMATE2012',

'POPESTIMATE2013',

'POPESTIMATE2014',

'POPESTIMATE2015']]

return pop_year.max() - pop_year.min()

only_county.loc[only_county.apply(get_change, axis=1).argmax()]['CTYNAME']

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

输出：

END