pandas.core.groupby.SeriesGroupBy.pipe #

系列分组依据。管道( func , * args , ** kwargs ) [来源] #

func带有参数的对象应用于此 GroupBy 对象并返回其结果。

当您希望通过将需要 Series、DataFrames、GroupBy 或 Resampler 对象的函数链接在一起来提高可读性时,请使用.pipe。而不是写作

>>> h = lambda x, arg2, arg3: x + 1 - arg2 * arg3
>>> g = lambda x, arg1: x * 5 / arg1
>>> f = lambda x: x ** 4
>>> df = pd.DataFrame([["a", 4], ["b", 5]], columns=["group", "value"])
>>> h(g(f(df.groupby('group')), arg1=1), arg2=2, arg3=3)  

你可以写

>>> (df.groupby('group')
...    .pipe(f)
...    .pipe(g, arg1=1)
...    .pipe(h, arg2=2, arg3=3))  

这更具可读性。

参数
func callable 或 (callable, str) 的元组

应用于此 GroupBy 对象的函数,或者一个(callable, data_keyword)元组,其中data_keyword是一个字符串,指示需要 GroupBy 对象的可调用对象的关键字。

args可迭代,可选

传递给func 的位置参数。

kwargs字典,可选

传递给func的关键字参数的字典。

返回
func的返回类型。

也可以看看

Series.pipe

将带有参数的函数应用于一系列。

DataFrame.pipe

将带有参数的函数应用于数据框。

apply

将函数应用于每个组而不是整个 GroupBy 对象。

笔记

在这里查看更多内容

例子

>>> df = pd.DataFrame({'A': 'a b a b'.split(), 'B': [1, 2, 3, 4]})
>>> df
   A  B
0  a  1
1  b  2
2  a  3
3  b  4

要在一次传递中获得每组最大值和最小值之间的差异,您可以这样做

>>> df.groupby('A').pipe(lambda x: x.max() - x.min())
   B
A
a  2
b  2