Hello大家好，欢迎来到【统计GO】，本公众号内容主要针对数据分析的爱好者，不定期分享一些好用的数据分析工具和机器学习资料，以及一些求职必备技能，帮助大家花更少的时间学更多的知识。

今天为大家推荐的是“详解pandas中的Map、Apply、Groupby函数”。如果本期内容对您有所帮助，记得及时关注。

1.Map

（1）数据集

（2）假设您想要添加一列，指出每种食物来自哪种动物。让我们写下每一种不同的肉类类型到动物的映射:

meat_to_animal = {'bacon': 'pig',     'pulled pork': 'pig','pastrami':'cow',     'corned beef': 'cow','honey ham': 'pig',    'nova lox': 'salmon'}

（3）处理完之后的数据

data['animal'] = lowercased.map(meat_to_animal)

（1）简单组聚合的模型示意图

（2）数据集

（3）Groupby

grouped = df['data1'].groupby(df['key1']).mean()

Out: key1

a 0.746672

b -0.53758

3.Apply

（1）数据集

（2）lambda函数

f = lambda x: x.max() - x.min()frame.apply(f)

Out:

b 1.802165

d 1.684034

e 2.689627

frame.apply(f, axis='columns')

Out:

Utah 0.998382

Ohio 2.521511

Texas 0.676115

Oregon 2.542656

（3）def f(x)，计算每一列最小值和最大值

def f(x):        return pd.Series([x.min(), x.max()],     index=['min', 'max'])frame.apply(f)

Out:

（4）每一列保留两位小数

format = lambda x: '%.2f' % xframe.applymap(format)

Out:

4.总结

1. lambda与def的区别：

1）def创建的方法是有名称的，而lambda没有。

2）lambda会返回一个函数对象，但这个对象不会赋给一个标识符，而def则会把函数对象赋值给一个变量（函数名）。

3）lambda只是一个表达式，而def则是一个语句。

4）lambda表达式”：“后面，只能有一个表达式，def则可以有多个。

5）像if或for或print等语句不能用于lambda中，def可以。

6）lambda一般用来定义简单的函数，而def可以定义复杂的函数。

2. Map函数主要用于自定义分类规则.

Groupby函数主要用于计算组内统计量，特别是在缺失值填充中避免了用总体均值填充的弊端.

Apply函数主要用于将自定义之后的函数，应用到每一列或者特定的某一列中.