Pandas 通过 Groupby 应用变换

1. Python 中 apply() 和 transform() 的区别
2. 在 Python Pandas 中使用 apply() 方法
3. 在 Python Pandas 中使用 transform() 方法

groupby() 是 Python 中一个强大的方法，它允许我们根据某些标准将数据分成不同的组。目的是运行计算并执行更好的分析。

Python 中 apply() 和 transform() 的区别

apply() 和 transform() 是与 groupby() 方法调用结合使用的两种方法。这两种方法的区别在于传递的参数和返回的值。

apply() 方法接受参数作为 DataFrame 并返回 DataFrame 的标量 或序列。因此，它允许我们对每个组的列、行和完整的 DataFrame 进行操作。

transform() 方法仅接受参数作为表示每个组中的列的系列，并返回与输入系列长度相同的序列。因此，我们一次只能对每个组内的特定列进行操作。

在 Python Pandas 中使用 apply() 方法

在以下代码中，我们加载了一个包含学生记录的 CSV 文件。我们使用 apply 函数来显示每个部门中的最高分数。

首先，我们必须使用 groupby() 方法对每个部门进行分组。然后使用 max() 函数找到每个部门的最高分。

输出以系列的形式返回。我们还可以对多列或整个 DataFrame 执行操作。

#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)

输出：

在 Python Pandas 中使用 transform() 方法

在下一个示例中，我们通过使用 groupby() 方法将每个部门分组，将另一列 Mean_Marks 合并到 DataFrame 中，然后使用 mean 关键字计算两个部门的平均值。

输出显示两个部门的平均分数。

在这里，transform() 方法在单个列上运行，在我们的例子中是 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)

输出：