JAVA高级面试进阶训练营视频教程

admin

对于以下dataframe执行dataframe.groupby(['name', 'course']).apply(lambda x: test(x)) 操作

其中test(x)函数为：

def test(x):
    print(x)

那么打印结果为：

可以发现，groupby()后的第一个结果被打印了两次。

对于这种情况，Pandas官方文档的解释是：

什么意思呢？就是说，apply在第一列/行上调用func两次，以决定是否可以进行某些优化。

而在pandas==0.18.1以及最新的pandas==0.23.4中进行尝试后发现，这个情况都存在。

在某些情境，例如对groupby()后的dataframe进行apply()批处理，为了避免重复，我们并不想让第一个结果打印出两次。

方法一：

如果能对apply()后第一次出现的dataframe跳过不处理就好了。

这里采用的方法是设置标识符，通过判断标识符状态决定是否跳过。代码如下：

global flag
flag = False


def test(x):
    global flag
    if flag == False:
        flag = True
        return
    print(x)

测试结果为：

可以发现重复的dataframe已经跳过不再打印，问题顺利地解决~

方法二：

在上面的分析中，已经找了问题的原因是因为apply()方法的引入。那么，有没有可以代替apply()方法呢？这里可以采用filter()方法，即用groupby().filter() 代替groupby().apply()。具体代码如下：

def test(x):
    print(x)

df.groupby(['name', 'course']).filter(lambda x: test(x))

打印出测试结果，也ok~