Pandas 通過 Groupby 應用變換
-
Python 中
apply()
和transform()
的區別 -
在 Python Pandas 中使用
apply()
方法 -
在 Python Pandas 中使用
transform()
方法
groupby()
是 Python 中一個強大的方法,它允許我們根據某些標準將資料分成不同的組。目的是執行計算並執行更好的分析。
Python 中 apply()
和 transform()
的區別
apply()
和 transform()
是與 groupby()
方法呼叫結合使用的兩種方法。這兩種方法的區別在於傳遞的引數和返回的值。
apply()
方法接受引數作為 DataFrame
並返回 DataFrame 的標量
或序列
。因此,它允許我們對每個組的列、行和完整的 DataFrame 進行操作。
transform()
方法僅接受引數作為表示每個組中的列的系列,並返回與輸入系列長度相同的序列。因此,我們一次只能對每個組內的特定列進行操作。
在 Python Pandas 中使用 apply()
方法
在以下程式碼中,我們載入了一個包含學生記錄的 CSV 檔案。我們使用 apply 函式來顯示每個部門中的最高分數。
首先,我們必須使用 groupby()
方法對每個部門進行分組。然後使用 max()
函式找到每個部門的最高分。
輸出以系列的形式返回。我們還可以對多列或整個 DataFrame 執行操作。
#Python 3.x
import pandas as pd
df=pd.read_csv('Student.csv')
display(df)
def f(my_df):
return my_df.Marks.max()
df.groupby("Department").apply(f)
輸出:
在 Python Pandas 中使用 transform()
方法
在下一個示例中,我們通過使用 groupby()
方法將每個部門分組,將另一列 Mean_Marks
合併到 DataFrame 中,然後使用 mean
關鍵字計算兩個部門的平均值。
輸出顯示兩個部門的平均分數。
在這裡,transform()
方法在單個列上執行,在我們的例子中是 Marks
。
#Python 3.x
import pandas as pd
df=pd.read_csv('Student.csv')
display(df)
df["Mean_Marks"] = df.groupby('Department')["Marks"].transform('mean')
display(df)
輸出:
I am Fariba Laiq from Pakistan. An android app developer, technical content writer, and coding instructor. Writing has always been one of my passions. I love to learn, implement and convey my knowledge to others.
LinkedIn