판다스 - groupby : apply와 agg의 차이

 

1. 집계함수 기준

 

		** func = lambda g: g.mean()
grouped.apply(func)		전체 그룹별 집계함수 같다	grouped.agg(func)     grouped.agg('mean')
grouped.컬럼.apply(func)		그룹의 컬럼별 집계 함수 같다	grouped.컬럼.agg(func)     grouped.컬럼.agg('mean')
grouped.apply     (lambda g: g.컬럼.mean())		메서드 안의 컬럼 명시 다르다	grouped.agg     (lambda g: g.컬럼.mean())

 

 

 

 

 

데이터 불러오기

 

 

 

 

 

 

func = lambda g: g.mean()

 

전체 그룹별 집계함수 비교

 

 

모두 동일하다.

 

 

 

 

 

 

 

그룹의 컬럼별 집계 함수

 

 

 

이 또한 모두 동일하다.

 

 

 

 

 

 

메서드 안의 컬럼 명시

 

 

분명히 다르다.

 

 

agg 메서드의 결과가 왜 이렇게 나오는지는 이전 포스팅 참조

 

https://steadiness-193.tistory.com/35

판다스 - groupby : aggregate (agg 메서드 안의 기준 컬럼, count 이용)

 

 

 

 

2. 개별 원소에 적용 가능 여부

 

apply	가능
agg	불가능

 

 

 

 

자세한 내용은 아래 포스팅 참조

 

https://steadiness-193.tistory.com/39

판다스 - groupby : apply

 

 

 

 

 

** agg에 대한 활용은 아래 포스팅 참조

 

https://steadiness-193.tistory.com/34

판다스 - groupby : aggregate

 

 

 

 

 

[groupby 메서드 들의 결론]

 

apply	1. 시리즈도, 데이터프레임도 받을 수 있다. 2. 개별 원소와 그룹별로도 적용 가능하다. 3. 사용자 함수 사용에 장벽이 없다. 즉, 다방면으로 사용하기 좋다
agg	0. 연산 가능한 컬럼만 알아서 필터링 1. 집계함수 2. [집계함수, 집계함수, ..., 집계함수] 3. {컬럼: 함수, 컬럼: 함수, ..., 컬럼: 함수}
transform	0. 연산 가능한 컬럼만 알아서 필터링 1. 기존 인덱스를 유지하며 출력 2. 1번의 장점으로 새로운 열로 추가하기 편함