如何在pandas中对df.groupby()使用apply()

在pandas中，可以使用df.groupby()方法对DataFrame进行分组操作，然后可以使用apply()方法对每个分组应用自定义的函数。

df.groupby()方法按照指定的列或多个列对DataFrame进行分组，并返回一个GroupBy对象。然后，可以在GroupBy对象上调用apply()方法来应用自定义的函数。

使用apply()方法时，可以传递一个函数作为参数，该函数将应用于每个分组。这个函数可以是内置函数、自定义函数或lambda函数。

下面是一个示例代码，演示如何在pandas中使用df.groupby()和apply()方法：

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
        'Subject': ['Math', 'Math', 'Math', 'Science', 'Science', 'Science'],
        'Score': [80, 90, 75, 85, 95, 70]}
df = pd.DataFrame(data)

# 使用groupby和apply计算每个学生的平均分
def calculate_average(group):
    return group['Score'].mean()

average_scores = df.groupby('Name').apply(calculate_average)
print(average_scores)

输出结果为：

Name
John    72.5
Nick    92.5
Tom     82.5
dtype: float64

在这个示例中，我们首先创建了一个包含学生姓名、科目和分数的DataFrame。然后，我们使用groupby()方法按照学生姓名进行分组。接下来，我们定义了一个名为calculate_average()的函数，该函数接收一个分组作为参数，并计算该分组的平均分数。最后，我们使用apply()方法将calculate_average()函数应用于每个分组，并打印出每个学生的平均分数。

需要注意的是，apply()方法返回一个Series对象，其中索引是分组的标签（在这个示例中是学生姓名），值是应用函数后的结果（在这个示例中是平均分数）。

对于groupby()和apply()的更多详细信息，可以参考pandas官方文档：pandas.DataFrame.groupby()和pandas.core.groupby.GroupBy.apply()。