如何理解pandas中的transform函数

transform函数一直没懂，直到看到这篇文章 UnderstandingtheTransformFunctioninPandas, 假设我们有下面的销售数据，有三个不同的 订单id （10001， 10005和10006）,每个 订单id又含有多个产品。

import pandas as pd	
df = pd.read_excel("sales_transactions.xlsx")	
df

问题

每个订单中各个单品费用分布及占比

例如,订单10001总价$576.12，细分一下

B1-20000 = $235.83 or 40.9%	
S1-27722 = $232.32 or 40.3%	
B1-86481 = $107.97 or 18.7%

如果还是没看懂，直接看代码吧。通过代码理解，比看大邓唠叨更有效果。

Talk is cheep, show me your code

第一种方法-merge

如果熟悉pandas的话，应该先试图对dataframe进行groupby

df.groupby('order')['ext price'].sum()

Run

order	
10001     576.12	
10005    8185.49	
10006    3724.49	
Name: ext price, dtype: float64

现在的难点是如何将刚刚分析出的数据与原始数据加工到一起，因为新旧数据的长度是不一样的。

最直接的方法就是新建一个dataframe

order_total = df.groupby('order')['ext price'].sum().rename('Order_Total').reset_index()	
df_1 = df.merge(order_total)	
df_1['Percent_of_Order'] = df_1['ext price']/df_1['Order_Total']	
df_1

第二种方法- transform

使用原始dataframe，让我们看看经过transform与groupby处理后，我们得到的都是什么

df.groupby('order')['ext price'].transform('sum')

Run

0      576.12	
1      576.12	
2      576.12	
3     8185.49	
4     8185.49	
5     8185.49	
6     8185.49	
7     8185.49	
8     3724.49	
9     3724.49	
10    3724.49	
11    3724.49	
Name: ext price, dtype: float64

我们发现得到的数据长度与groupby长度不同（长度是3），而与原始数据df的长度是一样的。

所以我们可以一行代码解决本文的问题

df["Percent_of_Order"] = df["ext price"] /  df.groupby('order')["ext price"].transform('sum')	
df

近期文章

课件获取方式，请在公众号后台回复关键词“20191014”，客官如果觉得有收获，顺便那啥一下哈