Python之高阶Pandas的使用（二）

transform

今天学习另一个内建方法transform，它与apply方法类似但稍有不同，主要表现在：

>transform可以产生一个标量值，并广播到各分组的尺寸数据中

>transform可以产生一个与输入分组size相同的对象

>transform不可改变它的输入

举例

df=pd.DataFrame({'key':['a','b','c']*3,               
                 'value':np.random.rand(9)})
df

按照key分组并求均值，也可以直接df.groupby("key").value.mean()

group=df.groupby('key').valuegroup.mean()

假如想产生一个Series(一维数组)和df['value']的尺寸一样，但值变为分组的均值，可以用匿名函数来完成

group.transform(lambda x:x.mean())

 类似于agg的聚合函数，transform可以直接传递一个字符串别名

group.transform('mean')

给每组的数都乘2

group.transform(lambda x:x*2)   #在原始数据df基础上每个*2

 如果对每个组降序排列

group.transform(lambda x:x.rank(ascending=False))  #升序就是True

定义一个函数将之前的分组进行转换：

def normalize(x):
     return (x-x.mean()) / x.std()   #数据标准化
group.transform(normalize)

 也可以用apply，这一点是一样的