个人对Pandas中agg、apply和transform函数的理解

学习《利用Python进行数据分析》一书，关于pandas的这三个函数，个人理解如下。

agg

agg方法可以被groupby、dataframe、series等对象调用。
dataframe的agg方法的官方文档
其用法为pandas.DataFrame.agg(self, func, axis=0, *args, **kwargs)
func可以是function, str, list或dict，可以接受的形式有函数、函数名称的字符串、函数列表或字典。
agg可以直接以字符串的形式使用pandas和Python内置的函数，也可以使用用户自定义的函数，并且有axis参数。
还可以一次性传入多个函数，给函数设置计算结果的列名，支持对不同的series使用不同的函数（以字典形式传参）。
本方法主要用于聚合，首先对Frame对象的各行（或列）进行计算并得到标量聚合结果，然后汇总所有组的聚合结果为一个数组。

apply

apply方法可以被groupby、resampler、dataframe、series、offsets等对象调用。
dataframe的apply方法的官方文档
其用法为pandas.DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kwds)
文档中关于func参数，只说了是要应用到行或列的函数。
agg可以做的，好像apply都可以做，所以apply比agg更加灵活，更一般化，但是调用Python内置函数和pandas函数时，运行速度比agg慢。
不同的是apply还能向用户自定义函数中传递参数，而且支持在同一个dataframe的不同series间进行运算，当应用的不是聚合函数时，就是对每个元素的逐一操作。
其返回值可以是标量也可以是Series、DataFrame对象。
applymap先应用apply再对每个Series使用map，可实现逐个元素操作。

transform

transform方法可以被groupby、resampler、dataframe、series等对象调用。
groupby的transform方法的官方文档
其用法为pandas.DataFrame.transform(self, func, axis=0, *args, **kwargs)
func与agg中的func的说明完全相同。
其特点是，按元素进行操作，所以输入dataframe与输出dataframe的大小完全相同。
本方法同样支持对不同的轴调用不同的函数，以及通过字符串形式调用内置函数。
transform可以实现的操作，apply都可以，但是反之不成立。同agg一样，与内建函数一起使用时，比apply速度快。
在groupby对象中执行函数时，会同时使用元素的信息和所在组的信息。

Series.str

顺便说下对Series.str的个人理解。
Python的内置字符串方法不支持向量化操作。str是Series的属性，用于以string的方式访问序列中的元素，并对元素应用一些字符串方法，实现向量化操作。为实现这一功能，这些方法以StringMethods类的对象的方法来执行，以此来与Python的内置字符串方法进行区分。
———————————————————————————
以上均为个人观点，欢迎指正。

本文地址：https://blog.csdn.net/nilgnaw/article/details/107132525