apply 是 pandas 庫的一個很重要的函式，多和 groupby 函式一起用，也可以直接用於 DataFrame 和 Series 物件。主要用於資料聚合運算，可以很方便的對分組進行現有的運算和自定義的運算。

資料集

使用的資料集是美國人口普查的資料，可以從這裡下載，裡面包含了CSV資料檔案和PDF說明檔案，說明檔案裡解釋了每個變數的意義。

資料大致是這個樣子：

問題

1. 以每個州人口最多的 3 個縣的人口總和為這個州人口的衡量標準，哪 3 個州人口最多？
2. 在 2010 年至 2015 年間人口變化幅度最大的是哪個縣？

分析

1. 先按州分組，再對每個州內的縣進行排序選出人口最多的 3 個縣求和，作為每個州的人口數，最後排序。
2. 對於每個縣，計算 2010-2015 年的人口數的最大值和最小值，求出差值即變化幅度，再對差值進行排序找出變化幅度最大的縣。

程式碼

問題1

census_df = pd.read_csv('census.csv')
only_county = census_df[census_df['SUMLEV'] == 50]


def top(df, n=3, column='CENSUS2010POP'):
    return df.sort_values(column, ascending=False)[:n]['CENSUS2010POP'].sum()


grouped = only_county[['STNAME'
 
, 'CTYNAME', 'CENSUS2010POP']].groupby('STNAME').apply(top)
grouped.sort_values(ascending=False)[:3].index.tolist()

輸出：

問題2

census_df = pd.read_csv('census.csv')
only_county = census_df[census_df['SUMLEV'] == 50]


def get_change(row):
    pop_year = row[['POPESTIMATE2010', 
                    'POPESTIMATE2011'
 
, 
                    'POPESTIMATE2012', 
                    'POPESTIMATE2013', 
                    'POPESTIMATE2014', 
                    'POPESTIMATE2015']]
    return pop_year.max() - pop_year.min()


only_county.loc[only_county.apply(get_change, axis=1).argmax()]['CTYNAME']

輸出：

END