高阶pandas：高阶GroupBy 应用，方法链技术

12.2 高阶GroupBy 应用

12.2.1 分组转换和展开 groupby

之前我们使用apply方法来执行转换操作。还有一个内建方法transform方法，与apply方法类似，但是会对你可以使用的函数装来假设限制。

• transform可用产生一个标量值，并广播到各分组的尺寸数据中。
• 可以产生一个与输入分组尺寸相同的对象
• 不可改变它的输入

df=pd.DataFrame({
   'key':['a','b','c']*4,'value':np.arange(12)})
g=df.groupby('key').value
g.mean()
key
a    4.5
b    5.5
c    6.5
Name: value, dtype: float64

g.transform(lambda x: x.mean())  # 产生一个series，尺寸和df['value‘]一样，但值按'key分组的均值代替。
0     4.5
1     5.5
2     6.5
3     4.5
4     5.5
5     6.5
6     4.5
7     5.5
8     6.5
9     4.5
10    5.5
11    6.5
Name: value, dtype: float64

g.transform('mean')   # 也可以向groupbt 的 agg方法一样传递一个字符串别名。

g.transform(lambda x:x*2)  # transform可以与返回series的函数一起使用，但结果必须和输入有相同的大小。
0      0
1      2
2      4
3      6
4      8
5     10
6     12
7     14
8     16
9     18
10    20
11    22
Name: value, dtype: int32

g.transform(lambda x: x.rank(ascending=False))          # 按照每个组的降序计算排名。
0     4
1     4
2     4
3     3
4     3
5     3
6     2
7     2
8     2
9     1
10    1
11    1
Name: value, dtype: int32

def normalize(x):
    return (x - x.mean()) / x.std()
g.transform(normalize)==g.apply(normalize)
0     True
1     True
2     True
3     True
4     True
5     True
6     True
7     True
8     True
9     True
10    True
11    True
Name: value, dtype: bool


# 内建的聚合函数如mean or sum通常比apply函数更快，这些函数在与transform一起使用也会存在一个快速通过。
# 这允许我们执行一个所谓的展开分组操作<