pandas dataframe dataframe.transform()函数-ag捕鱼王app官网

python pandas dataframe.transform() 在 dataframe 上应用一个函数并转换 dataframe。要应用的函数作为参数传递给 transform() 函数。变换后的 dataframe 的轴长度应该与原始 dataframe 相同。

pandas.dataframe.transform() 的语法

dataframe.transform(func, axis, *args, **kwargs)

参数

返回值

它返回一个转换后的 dataframe，其长度与原始 “dataframe “相同。如果返回的 dataframe 具有不等长的长度，那么函数会引发 valueerror。

示例代码：dataframe.transform()

我们先试试这个函数，在 dataframe 的每个值上加一个数字。

import pandas as pd
dataframe = pd.dataframe({
                            'a': 
                                {0: 6, 
                                1: 20, 
                                2: 80,
                                3: 78,
                                4: 95}, 
                            'b': 
                                {0: 60, 
                                1: 50, 
                                2: 7,
                                3: 67,
                                4: 54}
                        })
print(dataframe)

示例 dataframe 是：

    a   b
0   6  60
1  20  50
2  80   7
3  78  67
4  95  54
5  98  34

这个函数只有一个必须的参数，即 func。现在，我们将使用这个函数在 dataframe 的每个值上加 20。

import pandas as pd
dataframe = pd.dataframe(
    {"a": {0: 6, 1: 20, 2: 80, 3: 78, 4: 95}, "b": {0: 60, 1: 50, 2: 7, 3: 67, 4: 54}}
)
dataframe1 = dataframe.transform(func=lambda x: x  20)
print(dataframe1)

输出：

     a   b
0   26  80
1   40  70
2  100  27
3   98  87
4  115  74
5  118  54

lambda 关键字用于声明一个匿名的加法函数。

示例代码：dataframe.transform() 使用 sqrt 字符串作为函数

import pandas as pd
dataframe = pd.dataframe(
    {"a": {0: 6, 1: 20, 2: 80, 3: 78, 4: 95}, "b": {0: 60, 1: 50, 2: 7, 3: 67, 4: 54}}
)
dataframe1 = dataframe.transform(func="sqrt")
print(dataframe1)

输出：

          a         b
0  2.449490  7.745967
1  4.472136  7.071068
2  8.944272  2.645751
3  8.831761  8.185353
4  9.746794  7.348469
5  9.899495  5.830952

在这里，我们没有传递 lambda 函数，而是将函数名作为字符串传递。

示例代码：dataframe.transform() 传递函数列表

import pandas as pd
dataframe = pd.dataframe(
    {"a": {0: 6, 1: 20, 2: 80, 3: 78, 4: 95}, "b": {0: 60, 1: 50, 2: 7, 3: 67, 4: 54}}
)
dataframe1 = dataframe.transform(func=["sqrt", "exp"])
print(dataframe1)

输出：

          a                       b              
       sqrt           exp      sqrt           exp
0  2.449490  4.034288e 02  7.745967  1.142007e 26
1  4.472136  4.851652e 08  7.071068  5.184706e 21
2  8.944272  5.540622e 34  2.645751  1.096633e 03
3  8.831761  7.498417e 33  8.185353  1.252363e 29
4  9.746794  1.811239e 41  7.348469  2.830753e 23

我们传递了一个由两个函数名组成的 “list”，即 ['sqrt', 'exp'] 作为 func。返回的 dataframe 包含了两个额外的列，因为有一个额外的函数。

dataframe.apply() vs dataframe.transform() 函数

我们也可以使用 dataframe.apply() 函数来实现上述结果。但如果我们比较一下这两个函数，就会发现 dataframe.transform() 函数在处理复杂的操作时更有效率。