pandas.core.groupby.SeriesGroupBy.pipe

SeriesGroupBy.pipe(func, *args, **kwargs)

将带有参数的 func 应用于此 GroupBy 对象并返回其结果。

当您想通过链接期望 Series、DataFrame、GroupBy 或 Resampler 对象的函数来提高可读性时，可以使用 .pipe。而不是写

>>> 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)  

你可以这样写

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

更具可读性。

Parameters:

funccallable 或 (callable, str) 元组

应用到此 GroupBy 对象的函数，或者，一个``(callable, data_keyword)``元组，其中``data_keyword``是``callable``中指示期望GroupBy对象的关键字的字符串。

argsiterable, 可选

传递给 func 的位置参数。

kwargsdict, 可选

传递给 func 的关键字参数字典。

Returns:

func 的返回类型。

参见

Series.pipe

将带有参数的函数应用于 Series。

DataFrame.pipe

将带有参数的函数应用于 DataFrame。

apply

将函数应用于每个组，而不是整个 GroupBy 对象。

Notes

See more here

Examples

>>> 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

要一次性获得每个组的最大值和最小值之间的差值，可以这样做

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