作者|B. Chen
编译|VK
起源|Towards Datas Science
Pandas是一个惊人的库，它蕴含了大量用于操作数据的内置函数。其中，transform()在解决行或列时十分有用。
在本文中，咱们将介绍以下最罕用的Pandas transform()用处：
- 转换值
- 组合groupby()
- 过滤数据
- 在组级别解决缺失值
请查看我的Github repo以获取源代码;https://github.com/BindiChen/...
1.转换值
咱们来看看pd.transform(func, axis=0)
- 第一个参数func指定用于操作数据的函数。它能够是函数、字符串函数名、函数列表或轴标签->函数的字典
- 第二个参数轴指定函数利用于哪个轴。0示意对每列利用func，1示意对每行利用func。
让咱们看看transform()是如何在一些示例的帮忙下工作的。
函数
咱们能够把函数传递给func。例如
df = pd.DataFrame({'A': [1,2,3], 'B': [10,20,30] })def plus_10(x): return x+10df.transform(plus_10)也能够应用lambda表达式。上面是plus_10()的lambda等价模式：
df.transform(lambda x: x+10)字符串函数
咱们能够将任何无效的Pandas字符串函数传递给func，例如'sqrt'：
df.transform('sqrt')函数列表
func能够是函数的列表。例如，来自NumPy的sqrt和exp：
df.transform([np.sqrt, np.exp])轴标签->函数的字典
func能够是轴标签->函数的字典。例如
df.transform({ 'A': np.sqrt, 'B': np.exp,})2.组合groupby()
Pandas transform()最引人注目的用法之一是组合groupy()后果。
让咱们通过一个例子来看看这是如何工作的。假如咱们有一个对于连锁餐厅的数据集
df = pd.DataFrame({ 'restaurant_id': [101,102,103,104,105,106,107], 'address': ['A','B','C','D', 'E', 'F', 'G'], 'city': ['London','London','London','Oxford','Oxford', 'Durham', 'Durham'], 'sales': [10,500,48,12,21,22,14]})咱们能够看到，每个城市都有多家餐厅在销售。咱们想晓得“每一家餐厅在本市的销售额占比是多少”。预期输入为：
在这个计算中最辣手的局部是，咱们须要失去一个城市的总销售额，并将其合并到数据中，以失去百分比。
有两种解决方案：
- groupby()、apply()和merge()
- groupby()和transform()
解决方案1:groupby()、apply()和merge()
第一种解决方案是应用groupby()宰割数据，并应用apply()聚合每个组，而后应用merge()将后果合并回原始数据帧中
第1步：应用groupby()和apply()计算城市销售总额
city_sales = df.groupby('city')['sales'] .apply(sum).rename('city_total_sales').reset_index()groupby（'city'）通过在city列上分组来拆分数据。对于每个组，函数sum利用于sales列，以计算每个组的总和。最初，将新列重命名为city_total_sales并重置索引（留神：须要reset_inde()来革除groupby（'city'）生成的索引。
此外，Pandas还有一个内置的sum()函数，上面是Pandas sum()的等效函数：
city_sales = df.groupby('city')['sales'] .sum().rename('city_total_sales').reset_index()第2步：应用merge()函数合并后果
df_new = pd.merge(df, city_sales, how='left')应用merge()和left outer join的how='left'将组后果合并回到原始的DataFrame中
第3步：计算百分比
最初，能够计算并格式化百分比。
df_new['pct'] = df_new['sales'] / df_new['city_total_sales']df_new['pct'] = df_new['pct'].apply(lambda x: format(x, '.2%'))这当然是咱们的工作。但这是一个多步骤的过程，须要额定的代码能力以咱们须要的模式获取数据。
咱们能够应用transform()函数无效地解决这个问题
解决方案2:groupby()和transform()
这个解决方案扭转了游戏规则。一行代码就能够解决利用和合并问题。
步骤1：应用groupby()和transform()计算城市销售总额
转换函数在执行转换后保留与原始数据集雷同数量的项。因而，应用groupby后跟transform（sum）的单行步骤返回雷同的输入。
df['city_total_sales'] = df.groupby('city')['sales'] .transform('sum')第2步：计算百分比
最初，这和求百分比是一样的。
df['pct'] = df['sales'] / df['city_total_sales']df['pct'] = df['pct'].apply(lambda x: format(x, '.2%'))3.过滤数据
transform()也可用于过滤数据。在这里，咱们试图取得该市总销售额超过40的记录
df[df.groupby('city')['sales'].transform('sum') > 40]4.在组级别解决失落的值
Pandas transform()的另一个用法是在组级别解决失落的值。让咱们用一个例子来看看这是如何工作的。
这里有一个数据帧供演示
df = pd.DataFrame({ 'name': ['A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'], 'value': [1, np.nan, np.nan, 2, 8, 2, np.nan, 3]})在下面的示例中，能够按名称将数据分成三组，每个组都短少值。替换缺失值的常见解决方案是用平均值替换NaN。
让咱们看看每组的平均值。
df.groupby('name')['value'].mean()nameA 1.0B 5.0C 2.5Name: value, dtype: float64在这里，咱们能够应用transform()将短少的值替换为组平均值。
df['value'] = df.groupby('name') .transform(lambda x: x.fillna(x.mean()))你能够在我的Github上获取源代码：https://github.com/BindiChen/...
原文链接：https://towardsdatascience.co...
欢送关注磐创AI博客站：
http://panchuang.net/
sklearn机器学习中文官网文档：
http://sklearn123.com/
欢送关注磐创博客资源汇总站：
http://docs.panchuang.net/