1

我们可以考虑将两种类型的函数应用于 Pandas 系列：转换和聚合。他们在文档中做出了这种区分；转换映射系列中的单个值，而聚合以某种方式总结整个系列（例如平均值）。

apply很清楚如何使用aggregation. 请注意，groupby不涉及，并且聚合不需要groupby.

我正在处理以下情况：我有一个Series其中每一行都是字符串列表。我可以聚合这些数据的一种方法是计算每个字符串的出现次数，并返回 5 个最常见的术语。

def top_five_strings(series):
    counter = {}
    for row in series:
        for s in row:
            if s in counter:
                counter[s] += 1
            else:
                counter[s] = 1

    return sorted(s.items(), key=lambda x: x[1])[:5]

如果我将此函数称为top_five_strings(series)，它可以正常工作，就像我调用np.mean(series)了一个数字系列一样。但是，不同之处在于我也可以做到series.agg(np.mean)并得到相同的结果。如果我这样做series.agg(top_five_strings)，我会得到 Series 每一行中的前五个字母（如果你将单行作为函数的参数，这很有意义）。

我认为关键的区别在于它np.mean是 NumPy ufunc，但我无法弄清楚_aggregate帮助函数在 Pandas 源代码中的工作原理。

我剩下两个问题：

1）我可以通过使我的 Python 函数成为一个ufunc（如果可以，如何）来实现这一点？

2）这是一件愚蠢的事情吗？我还没有发现其他人试图做这样的事情。然而，在我看来，能够在 Pandas 框架内实现自定义聚合以及自定义转换（例如，我得到一个 Series 作为结果，就像使用df.describe.

4

0 回答 0