Pandas知识点-详解转换函数transform
transform()是pandas中的转换函数，对DataFrame执行传入的函数后返回一个相同形状的DataFrame。用于对DataFrame中的数据进行转换，本文将对transform()函数进行详细介绍。
transform()参数和用法介绍
transform(func, axis=0, args, *kwargs):
- func: 用于转换数据的函数，函数必须满足传入一个DataFrame能正常使用，或传递到DataFrame.apply()中能正常使用。
func可以接收函数的名字、函数名的字符串、函数组成的列表、行/列标签和函数名组成的字典。 - axis: 设置按列还是按行转换。设置为0或index，表示对每列应用转换函数，设置为1或columns，表示对每行应用转换函数。
- args: 传递给函数func的位置参数。
- kwargs: 传递给函数func的关键字参数。
返回数据：
- 返回的结果是一个与自身形状相同的DataFrame。
transform()传入单个函数
import pandas as pd
import numpy as np
df = pd.DataFrame({'Col-1': [1, 3, 5], 'Col-2': [5, 7, 9]})
print(df)
res1 = df.transform(np.square)
print(res1)
res2 = df.transform('sqrt')
print(res2)
res3 = df.transform(lambda x: x*10)
print(res3)
Col-1 Col-2
0 1 5
1 3 7
2 5 9
Col-1 Col-2
0 1 25
1 9 49
2 25 81
Col-1 Col-2
0 1.000000 2.236068
1 1.732051 2.645751
2 2.236068 3.000000
Col-1 Col-2
0 10 50
1 30 70
2 50 90
在transform()中传入单个函数进行转换，transform()的结果与apply()/applymap()等效。
函数可以是库函数、自定义函数或匿名函数。因为transform()的返回结果与自身形状相同，所以不支持直接传入会将DataFrame”降维”的函数，如会将Series处理成标量的聚合函数min,mean,std等。传入这些函数时，会报错：ValueError: Function did not transform.
虽然transform()是按行/列来处理数据，但它对数据的处理有点像元素级的处理。上面这种传入单个函数对DataFrame做行列级处理的情况，更推荐使用apply()。
res4 = np.square(df)
print(res4)
Col-1 Col-2
0 1 25
1 9 49
2 25 81
对于传入单个函数的情况，直接用函数对DataFrame处理结果也一样。
transform()传入多个函数
res5 = df.transform([np.square, np.sqrt])
print(res5)
res6 = df.transform([np.abs, lambda x: x+10, lambda x:np.square(x)])
print(res6)
Col-1 Col-2
square sqrt square sqrt
0 1 1.000000 25 2.236068
1 9 1.732051 49 2.645751
2 25 2.236068 81 3.000000
Col-1 Col-2
absolute absolute
0 1 1 5 25
1 3 9 7 49
2 5 25 9 81
在transform()中传入多个函数对DataFrame进行转换，结果中的索引变成多层索引，第一层索引是DataFrame的列名，第二层索引是执行的函数名。按第一层索引来比较，DataFrame的形状并没有变化。
在传入多个函数时，传入的方式是用列表传入，此时如果有多个名字相同的函数，只有最后一个函数生效。（聚合函数agg()中多个匿名函数可以同时生效）
按字典的方式传入函数
res7 = df.transform({'Col-1': np.square, 'Col-2': np.sqrt})
print(res7)
res8 = df.transform({'Col-1': [np.square, lambda x: x*10], 'Col-2': np.sqrt})
print(res8)
Col-1 Col-2
0 1 2.236068
1 9 2.645751
2 25 3.000000
Col-1 Col-2
square sqrt
0 1 10 2.236068
1 9 30 2.645751
2 25 50 3.000000
在transform()中可以用字典的方式给不同的列传入不同的函数，如果字典中的value有列表，则结果的索引变成多层索引。
transform()对Series进行转换
s = pd.Series(range(3))
print(s)
res9 = s.transform(lambda x: x+10)
print(res9)
print(res9.shape)
print('-' * 20)
res10 = s.transform([np.square, lambda x: x*x])
print(res10)
print(res10.shape)
print(type(res10))
0 0
1 1
2 2
dtype: int64
0 10
1 11
2 12
dtype: int64
(3,)
0 230
1 230
2 230
3 330
4 330
5 330
6 330
7 240
8 240
9 240
Name: 成绩, dtype: int64
姓名 课程 成绩 评级 平均成绩
0 Tom 高数 60 C 73.333333
1 Tom 英语 90 A 86.666667
2 Tom 体育 80 B 76.666667
3 Andy 高数 90 A 73.333333
4 Andy 英语 80 B 86.666667
5 Andy 体育 70 C 76.666667
6 Andy 计算机 90 A 90.000000
7 Kitty 高数 70 C 73.333333
8 Kitty 英语 90 A 86.666667
9 Kitty 体育 80 B 76.666667
index 姓名 课程 成绩 评级
0 0 Tom 高数 60.0 C
1 1 Tom 英语 90.0 A
2 2 Tom 体育 80.0 B
3 3 Andy 高数 90.0 A
4 4 Andy 英语 80.0 B
5 5 Andy 体育 70.0 C
6 6 Andy 计算机 90.0 A
7 7 Kitty 高数 70.0 C
8 8 Kitty 英语 90.0 A
9 9 Kitty 体育 80.0 B
10 0 Truman 高数 NaN NaN
11 1 Truman 英语 NaN NaN
12 2 Truman 体育 NaN NaN
score_df['成绩'] = score_df.groupby('课程')['成绩'].transform(lambda x: x.fillna(x.mean()))
print('-'*30, '\n', score_df, sep='')
`txt
Original: https://blog.csdn.net/weixin_43790276/article/details/126911525
Author: 小斌哥ge
Title: Pandas知识点-详解转换函数transform
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/750827/
转载文章受原作者版权保护。转载请注明原作者出处！