如何在Pandas DataFrame的组中应用函数

在Pandas DataFrame的组中应用函数，可以采用groupby函数进行分组，然后使用apply函数应用函数到每个分组。下面我们通过一个简单的例子来详细讲解如何在Pandas DataFrame的组中应用函数，步骤如下：

1.导入必要的库和数据集

首先，需要导入Pandas库，并读取一个包含以下信息的数据集：

Name	City	Gender	Age	Salary
Alice	New York	Female	25	5000
Bob	San Diego	Male	30	6000
Kate	San Diego	Female	35	8000
Jack	Boston	Male	40	7000
Bill	New York	Male	45	9000

代码如下：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Kate', 'Jack', 'Bill'],
    'City': ['New York', 'San Diego', 'San Diego', 'Boston', 'New York'],
    'Gender': ['Female', 'Male', 'Female', 'Male', 'Male'],
    'Age': [25, 30, 35, 40, 45],
    'Salary': [5000, 6000, 8000, 7000, 9000]
}

df = pd.DataFrame(data)
print(df)

2.按城市计算平均薪资

接下来，我们将按照城市分组，并对每个分组计算平均薪资。此时可以使用groupby函数和apply函数。

代码如下：

grouped = df.groupby('City')
result = grouped.apply(lambda x: x['Salary'].mean())

print(result)

输出结果如下：

City
Boston      7000.0
New York    7000.0
San Diego   7000.0
dtype: float64

上述代码中，首先使用groupby函数按照City列分组，然后使用apply函数计算每个分组的平均薪资。最终得到的结果是一个Series对象，其中每个元素代表一个城市的平均薪资。

3.应用多个函数

除了应用单个函数外，还可以同时应用多个函数。此时可以使用agg函数，它能够在每个分组上同时应用多个函数。假设我们需要计算每个城市的平均薪资、最高薪资和最低薪资。代码如下：

result = grouped['Salary'].agg(['mean', 'max', 'min'])

print(result)

输出结果如下：

           mean   max   min
City                      
Boston     7000  7000  7000
New York   7000  9000  5000
San Diego  7000  8000  6000

上述代码中，使用groupby函数按照City列分组，然后使用agg函数计算每个分组的平均薪资、最高薪资和最低薪资。最终得到的结果是一个DataFrame对象，其中每一行代表一个城市的统计信息。

4.使用自定义函数

除了使用系统自带的函数外，还可以使用自定义函数。假设我们需要计算每个城市的平均年龄和平均薪资的比值。此时需要先定义一个自定义函数，然后使用apply函数在每个分组上应用该函数。代码如下：

def avg_salary_per_age(x):
    return x['Salary'].mean() / x['Age'].mean()

result = grouped.apply(avg_salary_per_age)

print(result)

输出结果如下：

City
Boston      175.000000
New York    200.000000
San Diego   182.857143
dtype: float64

上述代码中，定义了一个名为avg_salary_per_age的自定义函数，它接收一个DataFrame对象作为输入，并返回该分组的平均薪资与平均年龄的比值。然后使用apply函数在每个分组上应用该自定义函数，并得到每个城市的平均薪资与平均年龄比值。