Python Pandas分组操作：transform与apply的使用

大家好，在数据分析中，分组操作是处理数据的常用手段。Python的Pandas库提供了丰富的分组操作功能，其中 transform 和 apply 是两个非常重要的工具，它们可以帮助我们在分组后对数据进行转换和处理。本文将介绍 transform 和 apply 的运用，探讨它们的区别与应用场景，并通过具体的示例代码展示其在实际工作中的使用方法。

1.Pandas分组操作概述

在使用Pandas进行数据分析时，分组操作通常与 groupby 函数结合使用。groupby 可以将数据集按照某一列或多列进行分组，并对每个分组应用某种操作，例如计算平均值、求和等。transform 和 apply 是两种在分组后进行数据转换的常用方法，它们可以灵活地对分组数据进行进一步处理。

transform：对每个分组执行某种操作，并将结果“广播”回原始数据结构。这意味着结果的形状与原始数据相同。transform 适用于需要在分组级别上执行计算并将结果与原始数据对齐的情况。

apply：允许我们在每个分组上应用任意的函数，返回的结果可以是标量、系列或数据帧。apply 提供了更大的灵活性，适用于需要对分组数据进行复杂操作的情况。

2.使用 transform 进行分组转换

transform 函数主要用于对分组数据进行逐元素的转换操作，返回的结果具有与原始数据相同的索引。

2.1 按组计算均值并进行转换

假设有一组学生的成绩数据，并希望计算每个班级的平均成绩，并将其分配给每个学生。

import pandas as pd

# 创建一个数据框
data = {'班级': ['A', 'A', 'B', 'B', 'C', 'C'],
        '学生': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
        '成绩': [85, 90, 78, 82, 88, 92]}

df = pd.DataFrame(data)

# 按班级分组，并计算每个班级的平均成绩
df['班级均分'] = df.groupby('班级')['成绩'].transform('mean')

print(df)

运行以上代码，输出结果为：

  班级  学生  成绩  班级均分
0  A  张三  85  87.5
1  A  李四  90  87.5
2  B  王五  78  80.0
3  B  赵六  82  80.0
4  C  钱七  88  90.0
5  C  孙八  92  90.0

在这个示例中，transform 函数计算了每个班级的平均成绩，并将结果“广播”回原始数据框，生成了新的 班级均分 列。

2.2 按组标准化数据

transform 也可以用于对分组数据进行标准化处理。例如，对每个班级的成绩进行标准化，使得每个班级的成绩均值为0，标准差为1。

import pandas as pd

# 创建一个数据框
data = {'班级': ['A', 'A', 'B', 'B', 'C', 'C'],
        '学生': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
        '成绩': [85, 90, 78, 82, 88, 92]}

df = pd.DataFrame(data)

# 定义标准化函数
def standardize(x):
    return (x - x.mean()) / x.std()

# 按班级分组，并对成绩进行标准化
df['标准化成绩'] = df.groupby('班级')['成绩'].transform(standardize)

print(df)

运行以上代码，输出结果为：

  班级  学生  成绩  标准化成绩
0  A  张三  85  -0.707107
1  A  李四  90   0.707107
2  B  王五  78  -0.707107
3  B  赵六  82   0.707107
4  C  钱七  88  -0.707107
5  C  孙八  92   0.707107

在这个示例中，transform 函数结合自定义的 standardize 函数，对每个班级的成绩进行了标准化处理。

3.使用 apply 进行分组操作

与 transform 相比，apply 提供了更大的灵活性，它可以对每个分组应用自定义函数，并可以返回各种形式的结果。

3.1 按组计算成绩的范围

假设计算每个班级的成绩范围（最大值与最小值之差），并将结果添加到原始数据框中。

import pandas as pd

# 创建一个数据框
data = {'班级': ['A', 'A', 'B', 'B', 'C', 'C'],
        '学生': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
        '成绩': [85, 90, 78, 82, 88, 92]}

df = pd.DataFrame(data)

# 定义计算范围的函数
def score_range(x):
    return x.max() - x.min()

# 按班级分组，并计算成绩范围
df['成绩范围'] = df.groupby('班级')['成绩'].apply(score_range)

print(df)

运行以上代码，输出结果为：

  班级  学生  成绩  成绩范围
0  A  张三  85    5
1  A  李四  90    5
2  B  王五  78    4
3  B  赵六  82    4
4  C  钱七  88    4
5  C  孙八  92    4

在这个示例中，apply 函数计算了每个班级的成绩范围，并将结果添加到了原始数据框中。

3.2 对分组数据应用自定义函数

apply 还可以用于对分组数据应用复杂的自定义函数。为每个班级创建一个新的列，显示每个学生成绩在班级中的相对排名。

import pandas as pd

# 创建一个数据框
data = {'班级': ['A', 'A', 'B', 'B', 'C', 'C'],
        '学生': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
        '成绩': [85, 90, 78, 82, 88, 92]}

df = pd.DataFrame(data)

# 定义相对排名函数
def rank_within_group(x):
    return x.rank(pct=True)

# 按班级分组，并计算相对排名
df['相对排名'] = df.groupby('班级')['成绩'].apply(rank_within_group)

print(df)

运行以上代码，输出结果为：

  班级  学生  成绩  相对排名
0  A  张三  85    0.5
1  A  李四  90    1.0
2  B  王五  78    0.5
3  B  赵六  82    1.0
4  C  钱七  88    0.5
5  C  孙八  92    1.0

在这个示例中，通过 apply 函数计算了每个学生在班级中的相对排名，结果存储在新的 相对排名 列中。

综上所述，在数据分析中，Python Pandas中的 transform 和 apply 是处理分组数据的两个强大工具。transform 适用于逐元素转换，返回的结果与原始数据框形状一致，常用于计算分组均值、标准化等操作。而 apply 提供了更大的灵活性，可以对分组数据应用自定义函数，返回的结果可以是标量、系列或数据帧，适合复杂的数据处理任务。