分享Pandas庫中的一些寶藏函數(shù)transform()

更新時間：2021年09月02日 14:22:56 作者：Python學(xué)習(xí)與數(shù)據(jù)挖掘

Pandas具有很多強(qiáng)大的功能，transform就是其中之一，利用它可以高效地匯總數(shù)據(jù)且不改變數(shù)據(jù)行數(shù)，transform是一種什么數(shù)據(jù)操作？如果熟悉SQL的窗口函數(shù)，就非常容易理解了

Pandas函數(shù)的核心功能是，既計算了統(tǒng)計值，又保留了明細(xì)數(shù)據(jù)。為了更好地理解transform和agg的不同，下面從實際的應(yīng)用場景出發(fā)進(jìn)行對比。

aggregation會返回數(shù)據(jù)的縮減版本，而transformation能返回完整數(shù)據(jù)的某一變換版本供我們重組。這樣的transformation，輸出的形狀和輸入一致。一個常見的例子是通過減去分組平均值來居中數(shù)據(jù)。

#數(shù)據(jù)構(gòu)造
data = pd.DataFrame(
{"company":['百度', '阿里', '百度', '阿里', '百度', '騰訊', '騰訊', '阿里', '騰訊', '阿里'],
"salary":[43000, 24000, 40000, 39000, 8000, 47000, 25000, 16000, 21000, 38000],
"age":[25, 34, 49, 42, 28, 23, 45, 21, 34, 29]}) 
data
  company  salary  age
0      百度   43000   25
1      阿里   24000   34
2      百度   40000   49
3      阿里   39000   42
4      百度    8000   28
5      騰訊   47000   23
6      騰訊   25000   45
7      阿里   16000   21
8      騰訊   21000   34
9      阿里   38000   29

1、transform作用于Series

1）單個變換函數(shù)

當(dāng)transform作用于單列Series時較為簡單，對salary列進(jìn)行transform變換我們可以傳入任意的非聚合類函數(shù)，比如對工資列對數(shù)化

import pandas as pd 
import numpy  as np
# 對工資對數(shù)化
data['salary'].transform(np.log) 
0    10.668955
1    10.085809
2    10.596635
3    10.571317
4     8.987197
5    10.757903
6    10.126631
7     9.680344
8     9.952278
9    10.545341
Name: salary, dtype: float64

除了內(nèi)置函數(shù)，還可以傳入lambda函數(shù)

# lambda函數(shù)
data['salary'].transform(lambda s: s+1)
0    43001
1    24001
2    40001
3    39001
4     8001
5    47001
6    25001
7    16001
8    21001
9    38001
Name: salary, dtype: int64

2）多個變換函數(shù)

也可以傳入包含多個變換函數(shù)的列表來一口氣計算出多列結(jié)果：

data['salary'].transform([np.log, lambda s: s+1, np.sqrt])
   log  <lambda>        sqrt
0  10.668955     43001  207.364414
1  10.085809     24001  154.919334
2  10.596635     40001  200.000000
3  10.571317     39001  197.484177
4   8.987197      8001   89.442719
5  10.757903     47001  216.794834
6  10.126631     25001  158.113883
7   9.680344     16001  126.491106
8   9.952278     21001  144.913767
9  10.545341     38001  194.935887

而又因為transform傳入的函數(shù)，在執(zhí)行運算時接收的輸入?yún)?shù)是對應(yīng)的整列數(shù)據(jù)，所以我們可以利用這個特點實現(xiàn)諸如數(shù)據(jù)標(biāo)準(zhǔn)化、歸一化等需要依賴樣本整體統(tǒng)計特征的變換過程：

# 利用transform進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化
data['salary'].transform(lambda s: (s - s.mean()) / s.std())
0    0.991038
1   -0.468630
2    0.760564
3    0.683739
4   -1.697825
5    1.298337
6   -0.391806
7   -1.083228
8   -0.699104
9    0.606915
Name: salary, dtype: float64

2、 transform作用于DataFrame

當(dāng)transform作用于整個DataFrame時，實際上就是將傳入的所有變換函數(shù)作用到每一列中：

data.loc[:,'salary':'age'].transform(lambda s:(s-s.mean()) /s.std())
     salary       age
0  0.991038 -0.832050
1 -0.468630  0.104006
2  0.760564  1.664101
3  0.683739  0.936057
4 -1.697825 -0.520031
5  1.298337 -1.040063
6 -0.391806  1.248075
7 -1.083228 -1.248075
8 -0.699104  0.104006
9  0.606915 -0.416025

而當(dāng)傳入多個變換函數(shù)時，對應(yīng)的返回結(jié)果格式類似agg中的機(jī)制，會生成MultiIndex格式的字段名

data.loc[:, 'salary': 'age'].transform([np.log, lambda s: s+1])
  salary                age         
         log <lambda>       log <lambda>
0  10.668955    43001  3.218876       26
1  10.085809    24001  3.526361       35
2  10.596635    40001  3.891820       50
3  10.571317    39001  3.737670       43
4   8.987197     8001  3.332205       29
5  10.757903    47001  3.135494       24
6  10.126631    25001  3.806662       46
7   9.680344    16001  3.044522       22
8   9.952278    21001  3.526361       35
9  10.545341    38001  3.367296       30

而且由于作用的是DataFrame，還可以利用字典以鍵值對的形式，一口氣為每一列配置單個或多個變換函數(shù)：

(data.loc[:, 'salary': 'age']
.transform({'age': lambda s: (s - s.mean()) / s.std(),
                'salary': [np.log, np.sqrt]}))
   age     salary            
   <lambda>        log        sqrt
0 -0.832050  10.668955  207.364414
1  0.104006  10.085809  154.919334
2  1.664101  10.596635  200.000000
3  0.936057  10.571317  197.484177
4 -0.520031   8.987197   89.442719
5 -1.040063  10.757903  216.794834
6  1.248075  10.126631  158.113883
7 -1.248075   9.680344  126.491106
8  0.104006   9.952278  144.913767
9 -0.416025  10.545341  194.935887

3、transform作用于groupby分組后

在原來的數(shù)據(jù)中，我們知道了如何求不同公司的平均薪水，假如需要在原數(shù)據(jù)集中新增一列salary_mean，代表該公司的平均薪水，該怎么實現(xiàn)呢？

data['salary_mean'] = data.groupby('company')[['salary']].transform('mean')
data 
  company  salary  age   salary_mean
0      百度   43000   25  30333.333333
1      阿里   24000   34  29250.000000
2      百度   40000   49  30333.333333
3      阿里   39000   42  29250.000000
4      百度    8000   28  30333.333333
5      騰訊   47000   23  31000.000000
6      騰訊   25000   45  31000.000000
7      阿里   16000   21  29250.000000
8      騰訊   21000   34  31000.000000
9      阿里   38000   29  29250.000000

通過上面的數(shù)據(jù)可以看出，利用transform輸出既得到了統(tǒng)計數(shù)據(jù)，形狀也沒有變化。

當(dāng)然，也可對多個數(shù)據(jù)列進(jìn)行計算

data.groupby('company')[['salary', 'age']].transform('mean')
         salary   age
0  30333.333333  34.0
1  29250.000000  31.5
2  30333.333333  34.0
3  29250.000000  31.5
4  30333.333333  34.0
5  31000.000000  34.0
6  31000.000000  34.0
7  29250.000000  31.5
8  31000.000000  34.0
9  29250.000000  31.5

我們也可以用map函數(shù)實現(xiàn)類似的功能，但是稍微復(fù)雜點，但是有助于我們理解transform的含義。

avg_dict = data.groupby('company')['salary'].mean().to_dict()
avg_dict#得到了一個平均工資的字典
{'百度': 30333.333333333332, '騰訊': 31000.0, '阿里': 29250.0}
#利用map函數(shù)，將得到的字典映射到對應(yīng)的列
data['salary_mean'] = data['company'].map(avg_dict)
data
company  salary  age   salary_mean
0      百度   43000   25  30333.333333
1      阿里   24000   34  29250.000000
2      百度   40000   49  30333.333333
3      阿里   39000   42  29250.000000
4      百度    8000   28  30333.333333
5      騰訊   47000   23  31000.000000
6      騰訊   25000   45  31000.000000
7      阿里   16000   21  29250.000000
8      騰訊   21000   34  31000.000000
9      阿里   38000   29  29250.000000

以圖解的方式來看看進(jìn)行g(shù)roupby后transform的實現(xiàn)過程（公司列包含ABC，salary列為每個員工的工資明細(xì)）：

上圖中的大方框是transform和agg 所不一樣的地方，對agg而言，會計算并聚合得到 A，B，C 公司對應(yīng)的均值并直接返回，每個公司一條數(shù)據(jù)，但對transform而言，則會對每一條數(shù)據(jù)求得相應(yīng)的結(jié)果，同一組內(nèi)的樣本會有相同的值，組內(nèi)求完均值后會按照原索引的順序返回結(jié)果。

以上就是分享Pandas中的一些寶藏函數(shù)transform()的詳細(xì)內(nèi)容，更多關(guān)于Pandas函數(shù)transform()的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: