本次的 Python學(xué)習(xí)教程是關(guān)于Python數(shù)據(jù)分析實(shí)戰(zhàn)基礎(chǔ)相關(guān)內(nèi)容，本文主要講的是Pandas中 第二好用的函數(shù)——謙虛的 apply。

創(chuàng)新互聯(lián)公司總部坐落于成都市區(qū)，致力網(wǎng)站建設(shè)服務(wù)有成都做網(wǎng)站、網(wǎng)站建設(shè)、外貿(mào)營(yíng)銷網(wǎng)站建設(shè)、網(wǎng)絡(luò)營(yíng)銷策劃、網(wǎng)頁(yè)設(shè)計(jì)、網(wǎng)站維護(hù)、公眾號(hào)搭建、小程序開發(fā)、軟件開發(fā)等為企業(yè)提供一整套的信息化建設(shè)解決方案。創(chuàng)造真正意義上的網(wǎng)站建設(shè)，為互聯(lián)網(wǎng)品牌在互動(dòng)行銷領(lǐng)域創(chuàng)造價(jià)值而不懈努力！

為什么說第二好用呢？那第一呢？秉承這謙虛使人進(jìn)步，驕傲使人落后的品質(zhì)，apply選擇做一個(gè)謙虛又優(yōu)雅的函數(shù)。

我們單獨(dú)用一篇來為apply樹碑立傳，原因有二，一是因?yàn)閍pply函數(shù)極其 靈活高效，甚至是重新定義了pandas的靈活，一旦熟練運(yùn)用，在數(shù)據(jù)清洗和分析界可謂是“屠龍?jiān)谑?，天下我有”；二是apply概念 相對(duì)晦澀，需要結(jié) 合具體案例去咀嚼和實(shí)踐。附上一份 Python學(xué)習(xí)路線圖，跟著走，不會(huì)錯(cuò)！

Apply初體驗(yàn)

apply函數(shù)，因?yàn)樗偸呛头纸M函數(shù)一起出現(xiàn)，所以在江湖得了個(gè)“groupby伴侶”的稱號(hào)。她的主要作用是做 聚合運(yùn)算，以及在分組基礎(chǔ)上根據(jù)實(shí)際情況來 自定義一些規(guī)則，常見用法和參數(shù)如下：

如果把源數(shù)據(jù)比作面粉，groupby分組就是把面粉揉成一個(gè)個(gè)面團(tuán)的過程，apply起到的作用，是 根據(jù)數(shù)據(jù)需求來調(diào)餡，并且把每一個(gè)面團(tuán)包成我們喜歡的菜包。其實(shí)之前的Python學(xué)習(xí)教程有跟大家提過apply的相關(guān)介紹。接下來，我們通過兩個(gè)場(chǎng)景，更深入的感受下apply函數(shù)的優(yōu)雅迷人。

場(chǎng)景一

背景：我們拿到了一份4位同學(xué)三次模擬考試的成績(jī)，想知道每位同學(xué)歷次模擬中最好成績(jī)和最差成績(jī)分別是多少。

思路：最好和最差，分別對(duì)應(yīng)著max與min，我們先按姓名分組，再用apply函數(shù)返回對(duì)應(yīng)的最大和最小值，最終將結(jié)果合并。

先導(dǎo)入源數(shù)據(jù)：

看一看每位同學(xué)最高成績(jī)：

我們指定“綜合成績(jī)”列，然后把max函數(shù)直接傳入apply參數(shù)內(nèi)，返回了對(duì)應(yīng)分組內(nèi)成績(jī)的最大值。有一些常見函數(shù)，如max、min、len等函數(shù)可以直接傳入apply。

groupby分組默認(rèn)會(huì)把分組依據(jù)列（姓名）變成索引，這里用reset_index方法重置或者說取消姓名索引，將它保留在列的位置，維持DataFrame格式，方便后續(xù)匹配。

再篩選出最低成績(jī)：

兩張表按姓名合并：

得到了我們預(yù)期的結(jié)果，只是列名略丑，可以用.columns方法來賦值更改。場(chǎng)景一比較死板和嚴(yán)肅，場(chǎng)景二我們換個(gè)更接地氣的風(fēng)格。

場(chǎng)景二

背景：Boss丟過來一份省市銷售表，里面包含省份、城市、最近1個(gè)月銷售額3個(gè)字段，沒等你開口問需求，Boss就開腔了：“小Z啊，我最近對(duì)3這個(gè)數(shù)字有執(zhí)念，我想看看每個(gè)省份銷售排名第3的都是哪些城市，以及他們的銷售額情況。對(duì)了，這個(gè)需求要盡快！”

思路：?jiǎn)栴}的關(guān)鍵是 找到每個(gè)省份銷售排名第3的城市，首先，應(yīng)該對(duì)省份、城市按銷售額進(jìn)行降序排列，然后，找到對(duì)應(yīng)排名第3的城市，Emmm，如果是排名第1的城市，我們可以通過排序后去重實(shí)現(xiàn)，但是這個(gè)排名第3，小Z瘋狂撓頭，還是沒有什么思路。

于是弱弱的請(qǐng)求寬限時(shí)間：“領(lǐng)導(dǎo)，我覺得這個(gè)需求可能要花多一些時(shí)間，因?yàn)?..”

“我不要你覺得！我要我覺得！現(xiàn)在是17:00，我覺得半個(gè)小時(shí)時(shí)間已經(jīng)夠充裕了！”Boss放下了手中的《明學(xué)是怎樣煉成的》，語(yǔ)氣斬釘截鐵又毋庸置疑。

小Z在無奈和絕望之中，想起了那句詩(shī)“假如數(shù)據(jù)清洗難住了你，不要悲傷，不要心急，憂郁的日子里需要apply”，一瞬間通透了。

說干就干，先導(dǎo)入數(shù)據(jù)源，對(duì)數(shù)據(jù)做個(gè)初步了解：

數(shù)據(jù)源有省份、城市、近1月銷售額3個(gè)字段，一共210行（銷售額）亂序排列，且都沒有空值，整體比較規(guī)整。

要得到銷售排名第3的城市，要先進(jìn)行排序，這里我們用省份、近1月銷售額兩個(gè)關(guān)鍵字段進(jìn)行降序排列，得到我們期待的順序：

接著，在apply函數(shù)登場(chǎng)前，我們先詳細(xì)剖析一下整個(gè)過程：

apply的精髓，在于 揉面和 DIY（調(diào)餡）菜包。我們需要把源數(shù)據(jù)（面粉）給揉成一個(gè)個(gè)面團(tuán)，再把一個(gè)個(gè)面團(tuán)DIY成我們想要口味的菜包。其中， 揉面的過程就是groupby分組，而 DIY調(diào)餡做菜包就是apply自定義函數(shù)和應(yīng)用的過程。

結(jié)合我們的目標(biāo)，揉面是按省份進(jìn)行分組，得到每個(gè)省各個(gè)城市和對(duì)應(yīng)銷售額的面團(tuán)；DIY菜包是在每個(gè)面團(tuán)中取其第三名的城市和銷售額字段。

第一步分組非常簡(jiǎn)單，按省份分組即可。而取第3名的城市和銷售，表明我們需要城市和銷售兩個(gè)字段，所以在分組后指明這兩列：

這一步，我們已經(jīng)揉好了面，原始的面團(tuán)也初步成型，雖然返回的結(jié)果有點(diǎn)晦澀，但是我們可以在腦海中構(gòu)建一下這些面團(tuán)，截圖只展示了部分：

要把這些面團(tuán)包成菜包，就是要我們?nèi)〕雒恳粋€(gè)面團(tuán)中，排名第3的城市。有個(gè)問題需要注意，有一些直轄市是和省并列的，而作為城市只有單獨(dú)的一行，這樣的城市我們就默認(rèn)返回其本身的數(shù)據(jù)；對(duì)于非直轄市省份來說，就需要定位篩選。

拿x2來舉例，要找到這個(gè)面團(tuán)中排名第三的城市和銷售額，應(yīng)該怎么做呢？答案是直接索引，把他看作是一個(gè)DataFrame格式的表，要選取第3行的所有值，包括城市和銷售額，這里用iloc索引，很簡(jiǎn)單的一行代碼：

下面把我們針對(duì)直轄市的判斷和非直轄市的篩選邏輯整合成一個(gè)函數(shù)：

這個(gè)函數(shù)，將會(huì)在apply的帶領(lǐng)下，對(duì)每一個(gè)分組進(jìn)行批量化DIY，抽取出排名第3的城市和銷售額，應(yīng)用起來很簡(jiǎn)單：

至此，每個(gè)省份，銷售額排名第三的城市已經(jīng)成功篩選出來。回顧整個(gè)操作流程，先排序，后分組，最后通過定義函數(shù)傳入apply，提取出我們的目標(biāo)值。 分組后數(shù)據(jù)的抽象形態(tài)，以及如何判斷和取出我們需要的值，是解決問題的關(guān)鍵和難點(diǎn)。

“報(bào)告老板！篩選任務(wù)已經(jīng)完成！”apply在握，底氣十足呀！

更多的 Python學(xué)習(xí)教程也會(huì)繼續(xù)為大家更新，也希望大家學(xué)Python的時(shí)候跟著 Python學(xué)習(xí)路線圖走，有一個(gè)明確的知識(shí)體系梳理，學(xué)的時(shí)候不至于會(huì)毫無頭緒。