Pandas具有很多強大的功能，transform就是其中之一，利用它可以高效地匯總數據且不改變數據行數，transform是一種什么數據操作？如果熟悉SQL的窗口函數，就非常容易理解了，該函數的核心功能是，既計算了統計值，又保留了明細數據。為了更好地理解transform和agg的不同，下面從實際的應用場景出發進行對比。

aggregation會返回數據的縮減版本，而transformation能返回完整數據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據。

#數據構造 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]})? datacompany 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

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

import pandas as pd import numpy as np # 對工資對數化 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

除了內置函數，還可以傳入lambda函數

# lambda函數 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

也可以傳入包含多個變換函數的列表來一口氣計算出多列結果：

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，在執行運算時接收的輸入參數是對應的整列數據，所以我們可以利用這個特點實現諸如數據標準化、歸一化等需要依賴樣本整體統計特征的變換過程：

# 利用transform進行數據標準化 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transform作用于整個DataFrame時，實際上就是將傳入的所有變換函數作用到每一列中：

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

而當傳入多個變換函數時，對應的返回結果格式類似agg中的機制，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：

(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

在原來的數據中，我們知道了如何求不同公司的平均薪水，假如需要在原數據集中新增一列salary_mean，代表該公司的平均薪水，該怎么實現呢？

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

通過上面的數據可以看出，利用transform輸出，既得到了統計數據，形狀也沒有變化。

當然，也可對多個數據列進行計算

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函數實現類似的功能，但是稍微復雜點，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，將得到的字典映射到對應的列 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行groupby后transform的實現過程（公司列包含ABC，salary列為每個員工的工資明細）：

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 公司對應的均值并直接返回，每個公司一條數據，但對transform而言，則會對每一條數據求得相應的結果，同一組內的樣本會有相同的值，組內求完均值后會按照原索引的順序返回結果

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯黃海廣老師《機器學習課程》課件合集 本站qq群851320808，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【Python】Pandas中的宝藏函数-transform()的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。