transform()
- 使用方法:df.groupby([‘id’, ‘name’])[‘price’, ‘price_’].transform(‘count’)
- transform() 里面不能跟自定义的特征交互函数,因为transform是真针对每一元素(即每一列特征操作)进行计算
- tramform()可以使用python的内置方法,运算速度较快
agg()
- 使用方法:df.groupby([‘id’, ‘name’])[‘price’, ‘price_’].agg(‘count’)
- agg() / transform()方法可以反射调用(str调用)‘sum‘、‘max’、‘min’、'count‘等方法,形如agg(‘sum’)。apply不能直接使用,而可以用自定义函数+列特征的方法调用。
apply()
- apply()里面可以跟自定义的函数,包括简单的求和函数以及复杂的特征间的差值函数等,但是agg()做不到
转化差异
- agg、apply运算groupby的数据完直接赋给原生df数据某字段报错
- transform运算groupby的数据完直接赋给原生df数据某字段不会报错
- agg,transform和apply三个方法的输入对象,都是分组后的DataFrame/Series,区别在于,他们的输出类型不一样,agg输出的是缩减后的标量(或者标量列表);transform输出的是原输入的DataFrame大小的,但是数据元素经过了转换的DataFrame;apply就很灵活了,它既可以是缩减后的标量,也可以是pandas对象(注意这里是pandas对象哦,并不仅仅是DataFrame哦)。
总结
- agg()+python内置方法的计算速度最快,其次是transform()+python内置方法。而 apply() 方法+自定义函数 的组合方法最慢,需要避免使用!
- python自带的stats统计模块在pandas结构中的计算也非常慢,也需要避免使用!