Pandas函數(shù)的核心功能是，既計(jì)算了統(tǒng)計(jì)值，又保留了明細(xì)數(shù)據(jù)。為了更好地理解transform和agg的不同，下面從實(shí)際的應(yīng)用場(chǎng)景出發(fā)進(jìn)行對(duì)比。
aggregation會(huì)返回?cái)?shù)據(jù)的縮減版本，而transformation能返回完整數(shù)據(jù)的某一變換版本供我們重組。這樣的transformation，輸出的形狀和輸入一致。一個(gè)常見(jiàn)的例子是通過(guò)減去分組平均值來(lái)居中數(shù)據(jù)。
#數(shù)據(jù)構(gòu)造
data = pd.DataFrame(
{"company":['百度', '阿里', '百度', '阿里', '百度', '騰訊', '騰訊', '阿里', '騰訊', '阿里'],
"salary":[43000, 24000, 40000, 39000, 8000, 47000, 25000, 16000, 21000, 38000],
"age":[25, 34, 49, 42, 28, 23, 45, 21, 34, 29]})
data
company salary age
0 百度 43000 25
1 阿里 24000 34
2 百度 40000 49
3 阿里 39000 42
4 百度 8000 28
5 騰訊 47000 23
6 騰訊 25000 45
7 阿里 16000 21
8 騰訊 21000 34
9 阿里 38000 29
1、transform作用于Series
1）單個(gè)變換函數(shù)
當(dāng)transform作用于單列Series時(shí)較為簡(jiǎn)單 ，對(duì)salary列進(jìn)行transform變換我們可以傳入任意的非聚合類函數(shù)，比如對(duì)工資列對(duì)數(shù)化
import pandas as pd
import numpy as np
# 對(duì)工資對(duì)數(shù)化
data['salary'].transform(np.log)
0 10.668955
1 10.085809
2 10.596635
3 10.571317
4 8.987197
5 10.757903
6 10.126631
7 9.680344
8 9.952278
9 10.545341
Name: salary, dtype: float64
除了內(nèi)置函數(shù)，還可以傳入lambda函數(shù)
# lambda函數(shù)
data['salary'].transform(lambda s: s+1)
0 43001
1 24001
2 40001
3 39001
4 8001
5 47001
6 25001
7 16001
8 21001
9 38001
Name: salary, dtype: int64
2）多個(gè)變換函數(shù)
也可以傳入包含多個(gè)變換函數(shù)的列表來(lái)一口氣計(jì)算出多列結(jié)果：
data['salary'].transform([np.log, lambda s: s+1, np.sqrt])
log lambda> sqrt
0 10.668955 43001 207.364414
1 10.085809 24001 154.919334
2 10.596635 40001 200.000000
3 10.571317 39001 197.484177
4 8.987197 8001 89.442719
5 10.757903 47001 216.794834
6 10.126631 25001 158.113883
7 9.680344 16001 126.491106
8 9.952278 21001 144.913767
9 10.545341 38001 194.935887
而又因?yàn)閠ransform傳入的函數(shù)，在執(zhí)行運(yùn)算時(shí)接收的輸入?yún)?shù)是對(duì)應(yīng)的整列數(shù)據(jù)，所以我們可以利用這個(gè)特點(diǎn)實(shí)現(xiàn)諸如數(shù)據(jù)標(biāo)準(zhǔn)化、歸一化等需要依賴樣本整體統(tǒng)計(jì)特征的變換過(guò)程：
# 利用transform進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化
data['salary'].transform(lambda s: (s - s.mean()) / s.std())
0 0.991038
1 -0.468630
2 0.760564
3 0.683739
4 -1.697825
5 1.298337
6 -0.391806
7 -1.083228
8 -0.699104
9 0.606915
Name: salary, dtype: float64
2、 transform作用于DataFrame
當(dāng)transform作用于整個(gè)DataFrame時(shí)，實(shí)際上就是將傳入的所有變換函數(shù)作用到每一列中：
data.loc[:,'salary':'age'].transform(lambda s:(s-s.mean()) /s.std())
salary age
0 0.991038 -0.832050
1 -0.468630 0.104006
2 0.760564 1.664101
3 0.683739 0.936057
4 -1.697825 -0.520031
5 1.298337 -1.040063
6 -0.391806 1.248075
7 -1.083228 -1.248075
8 -0.699104 0.104006
9 0.606915 -0.416025
而當(dāng)傳入多個(gè)變換函數(shù)時(shí)，對(duì)應(yīng)的返回結(jié)果格式類似agg中的機(jī)制，會(huì)生成MultiIndex格式的字段名
data.loc[:, 'salary': 'age'].transform([np.log, lambda s: s+1])
salary age
log lambda> log lambda>
0 10.668955 43001 3.218876 26
1 10.085809 24001 3.526361 35
2 10.596635 40001 3.891820 50
3 10.571317 39001 3.737670 43
4 8.987197 8001 3.332205 29
5 10.757903 47001 3.135494 24
6 10.126631 25001 3.806662 46
7 9.680344 16001 3.044522 22
8 9.952278 21001 3.526361 35
9 10.545341 38001 3.367296 30
而且由于作用的是DataFrame，還可以利用字典以鍵值對(duì)的形式，一口氣為每一列配置單個(gè)或多個(gè)變換函數(shù)：
(data.loc[:, 'salary': 'age']
.transform({'age': lambda s: (s - s.mean()) / s.std(),
'salary': [np.log, np.sqrt]}))
age salary
lambda> log sqrt
0 -0.832050 10.668955 207.364414
1 0.104006 10.085809 154.919334
2 1.664101 10.596635 200.000000
3 0.936057 10.571317 197.484177
4 -0.520031 8.987197 89.442719
5 -1.040063 10.757903 216.794834
6 1.248075 10.126631 158.113883
7 -1.248075 9.680344 126.491106
8 0.104006 9.952278 144.913767
9 -0.416025 10.545341 194.935887
3、transform作用于groupby分組后
在原來(lái)的數(shù)據(jù)中，我們知道了如何求不同公司的平均薪水，假如需要在原數(shù)據(jù)集中新增一列salary_mean，代表該公司的平均薪水，該怎么實(shí)現(xiàn)呢？
data['salary_mean'] = data.groupby('company')[['salary']].transform('mean')
data
company salary age salary_mean
0 百度 43000 25 30333.333333
1 阿里 24000 34 29250.000000
2 百度 40000 49 30333.333333
3 阿里 39000 42 29250.000000
4 百度 8000 28 30333.333333
5 騰訊 47000 23 31000.000000
6 騰訊 25000 45 31000.000000
7 阿里 16000 21 29250.000000
8 騰訊 21000 34 31000.000000
9 阿里 38000 29 29250.000000
通過(guò)上面的數(shù)據(jù)可以看出，利用transform輸出既得到了統(tǒng)計(jì)數(shù)據(jù)，形狀也沒(méi)有變化。
當(dāng)然，也可對(duì)多個(gè)數(shù)據(jù)列進(jìn)行計(jì)算
data.groupby('company')[['salary', 'age']].transform('mean')
salary age
0 30333.333333 34.0
1 29250.000000 31.5
2 30333.333333 34.0
3 29250.000000 31.5
4 30333.333333 34.0
5 31000.000000 34.0
6 31000.000000 34.0
7 29250.000000 31.5
8 31000.000000 34.0
9 29250.000000 31.5
我們也可以用map函數(shù)實(shí)現(xiàn)類似的功能，但是稍微復(fù)雜點(diǎn)，但是有助于我們理解transform的含義。
avg_dict = data.groupby('company')['salary'].mean().to_dict()
avg_dict#得到了一個(gè)平均工資的字典
{'百度': 30333.333333333332, '騰訊': 31000.0, '阿里': 29250.0}
#利用map函數(shù)，將得到的字典映射到對(duì)應(yīng)的列
data['salary_mean'] = data['company'].map(avg_dict)
data
company salary age salary_mean
0 百度 43000 25 30333.333333
1 阿里 24000 34 29250.000000
2 百度 40000 49 30333.333333
3 阿里 39000 42 29250.000000
4 百度 8000 28 30333.333333
5 騰訊 47000 23 31000.000000
6 騰訊 25000 45 31000.000000
7 阿里 16000 21 29250.000000
8 騰訊 21000 34 31000.000000
9 阿里 38000 29 29250.000000
以圖解的方式來(lái)看看進(jìn)行g(shù)roupby后transform的實(shí)現(xiàn)過(guò)程（公司列包含ABC，salary列為每個(gè)員工的工資明細(xì)）：
上圖中的大方框是transform和agg 所不一樣的地方，對(duì)agg而言，會(huì)計(jì)算并聚合得到 A，B，C 公司對(duì)應(yīng)的均值并直接返回，每個(gè)公司一條數(shù)據(jù)，但對(duì)transform而言，則會(huì)對(duì)每一條數(shù)據(jù)求得相應(yīng)的結(jié)果，同一組內(nèi)的樣本會(huì)有相同的值，組內(nèi)求完均值后會(huì)按照原索引的順序返回結(jié)果。
以上就是分享Pandas中的一些寶藏函數(shù)transform()的詳細(xì)內(nèi)容，更多關(guān)于Pandas函數(shù)transform()的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
您可能感興趣的文章:- pandas數(shù)據(jù)分組groupby()和統(tǒng)計(jì)函數(shù)agg()的使用
- pandas之分組groupby()的使用整理與總結(jié)
- Pandas中的 transform()結(jié)合 groupby()用法示例詳解
