Python Pandas分组操作:transform与apply的使用

大家好,在数据分析中,分组操作是处理数据的常用手段。Python的Pandas库提供了丰富的分组操作功能,其中 transformapply 是两个非常重要的工具,它们可以帮助我们在分组后对数据进行转换和处理。本文将介绍 transformapply 的运用,探讨它们的区别与应用场景,并通过具体的示例代码展示其在实际工作中的使用方法。

1.Pandas分组操作概述

在使用Pandas进行数据分析时,分组操作通常与 groupby 函数结合使用。groupby 可以将数据集按照某一列或多列进行分组,并对每个分组应用某种操作,例如计算平均值、求和等。transformapply 是两种在分组后进行数据转换的常用方法,它们可以灵活地对分组数据进行进一步处理。

transform:对每个分组执行某种操作,并将结果"广播"回原始数据结构。这意味着结果的形状与原始数据相同。transform 适用于需要在分组级别上执行计算并将结果与原始数据对齐的情况。

apply:允许我们在每个分组上应用任意的函数,返回的结果可以是标量、系列或数据帧。apply 提供了更大的灵活性,适用于需要对分组数据进行复杂操作的情况。

2.使用 transform 进行分组转换

transform 函数主要用于对分组数据进行逐元素的转换操作,返回的结果具有与原始数据相同的索引。

2.1 按组计算均值并进行转换

假设有一组学生的成绩数据,并希望计算每个班级的平均成绩,并将其分配给每个学生。

python 复制代码
import pandas as pd

# 创建一个数据框
data = {'班级': ['A', 'A', 'B', 'B', 'C', 'C'],
        '学生': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
        '成绩': [85, 90, 78, 82, 88, 92]}

df = pd.DataFrame(data)

# 按班级分组,并计算每个班级的平均成绩
df['班级均分'] = df.groupby('班级')['成绩'].transform('mean')

print(df)

运行以上代码,输出结果为:

python 复制代码
  班级  学生  成绩  班级均分
0  A  张三  85  87.5
1  A  李四  90  87.5
2  B  王五  78  80.0
3  B  赵六  82  80.0
4  C  钱七  88  90.0
5  C  孙八  92  90.0

在这个示例中,transform 函数计算了每个班级的平均成绩,并将结果"广播"回原始数据框,生成了新的 班级均分 列。

2.2 按组标准化数据

transform 也可以用于对分组数据进行标准化处理。例如,对每个班级的成绩进行标准化,使得每个班级的成绩均值为0,标准差为1。

python 复制代码
import pandas as pd

# 创建一个数据框
data = {'班级': ['A', 'A', 'B', 'B', 'C', 'C'],
        '学生': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
        '成绩': [85, 90, 78, 82, 88, 92]}

df = pd.DataFrame(data)

# 定义标准化函数
def standardize(x):
    return (x - x.mean()) / x.std()

# 按班级分组,并对成绩进行标准化
df['标准化成绩'] = df.groupby('班级')['成绩'].transform(standardize)

print(df)

运行以上代码,输出结果为:

python 复制代码
  班级  学生  成绩  标准化成绩
0  A  张三  85  -0.707107
1  A  李四  90   0.707107
2  B  王五  78  -0.707107
3  B  赵六  82   0.707107
4  C  钱七  88  -0.707107
5  C  孙八  92   0.707107

在这个示例中,transform 函数结合自定义的 standardize 函数,对每个班级的成绩进行了标准化处理。

3.使用 apply 进行分组操作

transform 相比,apply 提供了更大的灵活性,它可以对每个分组应用自定义函数,并可以返回各种形式的结果。

3.1 按组计算成绩的范围

假设计算每个班级的成绩范围(最大值与最小值之差),并将结果添加到原始数据框中。

python 复制代码
import pandas as pd

# 创建一个数据框
data = {'班级': ['A', 'A', 'B', 'B', 'C', 'C'],
        '学生': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
        '成绩': [85, 90, 78, 82, 88, 92]}

df = pd.DataFrame(data)

# 定义计算范围的函数
def score_range(x):
    return x.max() - x.min()

# 按班级分组,并计算成绩范围
df['成绩范围'] = df.groupby('班级')['成绩'].apply(score_range)

print(df)

运行以上代码,输出结果为:

python 复制代码
  班级  学生  成绩  成绩范围
0  A  张三  85    5
1  A  李四  90    5
2  B  王五  78    4
3  B  赵六  82    4
4  C  钱七  88    4
5  C  孙八  92    4

在这个示例中,apply 函数计算了每个班级的成绩范围,并将结果添加到了原始数据框中。

3.2 对分组数据应用自定义函数

apply 还可以用于对分组数据应用复杂的自定义函数。为每个班级创建一个新的列,显示每个学生成绩在班级中的相对排名。

python 复制代码
import pandas as pd

# 创建一个数据框
data = {'班级': ['A', 'A', 'B', 'B', 'C', 'C'],
        '学生': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
        '成绩': [85, 90, 78, 82, 88, 92]}

df = pd.DataFrame(data)

# 定义相对排名函数
def rank_within_group(x):
    return x.rank(pct=True)

# 按班级分组,并计算相对排名
df['相对排名'] = df.groupby('班级')['成绩'].apply(rank_within_group)

print(df)

运行以上代码,输出结果为:

python 复制代码
  班级  学生  成绩  相对排名
0  A  张三  85    0.5
1  A  李四  90    1.0
2  B  王五  78    0.5
3  B  赵六  82    1.0
4  C  钱七  88    0.5
5  C  孙八  92    1.0

在这个示例中,通过 apply 函数计算了每个学生在班级中的相对排名,结果存储在新的 相对排名 列中。

综上所述,在数据分析中,Python Pandas中的 transformapply 是处理分组数据的两个强大工具。transform 适用于逐元素转换,返回的结果与原始数据框形状一致,常用于计算分组均值、标准化等操作。而 apply 提供了更大的灵活性,可以对分组数据应用自定义函数,返回的结果可以是标量、系列或数据帧,适合复杂的数据处理任务。

相关推荐
byte轻骑兵3 分钟前
【C++类和数据抽象】复制构造函数
开发语言·c++
孞㐑¥17 分钟前
C++之异常
开发语言·c++·经验分享·笔记
多多*17 分钟前
非关系型数据库 八股文 Redis相关 缓存雪崩 击穿 穿透
java·开发语言·jvm·数据库·redis·缓存·nosql
CoderCodingNo23 分钟前
【GESP】C++三级练习 luogu-B2114 配对碱基链
开发语言·c++
2401_8906658625 分钟前
免费送源码:Java+ssm+HTML 三分糖——甜品店网站设计与实现 计算机毕业设计原创定制
java·python·微信小程序·html·php·课程设计·android-studio
敲代码的瓦龙26 分钟前
C++?动态内存管理!!!
c语言·开发语言·数据结构·c++·后端
noravinsc27 分钟前
django filter 日期大于当前日期的
python·django
悲喜自渡72129 分钟前
pytorch & python常用指令
人工智能·pytorch·python
Ronin3051 小时前
【C++】13.list的模拟实现
开发语言·数据结构·c++·list
Star abuse1 小时前
Python爬虫课程实验指导书
开发语言·爬虫·python