当前位置：首页 > article >正文

df.transform函数的使用

article 2024/11/5 4:20:09

df.transform函数介绍

df.transform()是Pandas中的一个函数，用于对DataFrame中的数据进行转换操作。它可以接受一个函数作为参数，并将这个函数应用到DataFrame的每个元素上，然后返回一个新的DataFrame，其中的元素都是经过这个函数转换后的结果。

基本语法如下：

df.transform(func, axis=0, *args, **kwargs)

参数说明：

func：要应用的函数，可以是一个函数，也可以是一个字符串（表示一个函数名）。
axis：指定函数应用的方向，0表示沿着列的方向应用函数，1表示沿着行的方向应用函数。
*args和**kwargs：可选参数，用于传递给func函数的其他参数。

transform函数的使用：

transform有4个比较常用的功能，总结如下：转换数值，合并分组结果，过滤数据，结合分组处理缺失值

1.转换数值

import pandas as pd
import numpy as np
df = pd.DataFrame({
  'restaurant_id': [101,102,103,104,105,106,107,108],
  'address': ['A','B','C','D', 'E', 'F', 'G','H'],
  'city': ['London','London','London','Oxford','Oxford', 'Durham', 'Durham','London'],
  'sales': [10,500,48,12,21,22,14,10]
})
print(df)
def plus_10(x):
    return x+10
#df['sales'] =df['sales'].transform(plus_10)
df['sales'] = df['sales'].transform(lambda x: x+10)
print(df)


   restaurant_id address    city  sales
0            101       A  London     10
1            102       B  London    500
2            103       C  London     48
3            104       D  Oxford     12
4            105       E  Oxford     21
5            106       F  Durham     22
6            107       G  Durham     14
7            108       H  London     10
   restaurant_id address    city  sales
0            101       A  London     20
1            102       B  London    510
2            103       C  London     58
3            104       D  Oxford     22
4            105       E  Oxford     31
5            106       F  Durham     32
6            107       G  Durham     24
7            108       H  London     20

2.合并分组结果

import pandas as pd
import numpy as np
df = pd.DataFrame({
  'restaurant_id': [101,102,103,104,105,106,107,108],
  'address': ['A','B','C','D', 'E', 'F', 'G','H'],
  'city': ['London','London','London','Oxford','Oxford', 'Durham', 'Durham','London'],
  'sales': [10,500,48,12,21,22,14,10]
})
print(df)

df['city_total_sales'] = df.groupby('city')['sales'].transform('sum')
df['pct'] = df['sales'] / df['city_total_sales']
df['pct'] = df['pct'].apply(lambda x: format(x, '.2%'))
print(df)

   restaurant_id address    city  sales
0            101       A  London     10
1            102       B  London    500
2            103       C  London     48
3            104       D  Oxford     12
4            105       E  Oxford     21
5            106       F  Durham     22
6            107       G  Durham     14
7            108       H  London     10
   restaurant_id address    city  sales  city_total_sales     pct
0            101       A  London     10               568   1.76%
1            102       B  London    500               568  88.03%
2            103       C  London     48               568   8.45%
3            104       D  Oxford     12                33  36.36%
4            105       E  Oxford     21                33  63.64%
5            106       F  Durham     22                36  61.11%
6            107       G  Durham     14                36  38.89%
7            108       H  London     10               568   1.76%

3.过滤数据

import pandas as pd
import numpy as np
df = pd.DataFrame({
  'restaurant_id': [101,102,103,104,105,106,107,108],
  'address': ['A','B','C','D', 'E', 'F', 'G','H'],
  'city': ['London','London','London','Oxford','Oxford', 'Durham', 'Durham','London'],
  'sales': [10,500,48,12,21,22,14,10]
})
print(df)
print(df[df.groupby('city')['sales'].transform('sum') > 40])

   restaurant_id address    city  sales
0            101       A  London     10
1            102       B  London    500
2            103       C  London     48
3            104       D  Oxford     12
4            105       E  Oxford     21
5            106       F  Durham     22
6            107       G  Durham     14
7            108       H  London     10
   restaurant_id address    city  sales
0            101       A  London     10
1            102       B  London    500
2            103       C  London     48
7            108       H  London     10

4.结合分组处理缺失值

import pandas as pd
import numpy as np
df = pd.DataFrame({
    'name': ['A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
    'value': [1, np.nan, np.nan, 2, 8, 2, np.nan, 3]
})

print(df)

df['value'] = df.groupby('name').transform(lambda x: x.fillna(x.mean()))

print(df)

  name  value
0    A    1.0
1    A    NaN
2    B    NaN
3    B    2.0
4    B    8.0
5    C    2.0
6    C    NaN
7    C    3.0
  name  value
0    A    1.0
1    A    1.0
2    B    5.0
3    B    2.0
4    B    8.0
5    C    2.0
6    C    2.5
7    C    3.0