pandas.core.groupby.SeriesGroupBy.transform#

SeriesGroupBy.transform(func, *args, engine=None, engine_kwargs=None, **kwargs)[源代码][源代码]#

在每个组上调用生成相同索引序列的函数。

返回一个与原始对象具有相同索引的系列，填充了转换后的值。

参数:
函数函数, 字符串

应用于每个组的函数。有关要求，请参见下面的“备注”部分。

接受的输入是：

  • 字符串

  • Python 函数

  • 指定 engine='numba' 的 Numba JIT 函数。

此引擎仅支持传递单个函数。如果选择了 'numba' 引擎，该函数必须是用户定义的函数，并且在函数签名中 values 和 index 分别作为第一个和第二个参数。每个组的索引将被传递给用户定义的函数，并可选择用于使用。

如果选择了一个字符串，那么它需要是你想要使用的 groupby 方法的名称。

*args

传递给 func 的位置参数。

引擎str, 默认为 None

  • 'cython' : 通过cython的C扩展运行函数。

  • 'numba' : 通过来自 numba 的 JIT 编译代码运行函数。

  • None : 默认为 'cython' 或全局设置 compute.use_numba

engine_kwargs字典, 默认为 None

  • 对于 'cython' 引擎，没有接受的 engine_kwargs

  • 对于 'numba' 引擎，引擎可以接受 nopython、nogil 和 parallel 字典键。值必须是 True 或 False。'numba' 引擎的默认 engine_kwargs 是 {'nopython': True, 'nogil': False, 'parallel': False}，并将应用于函数。

**kwargs

要传递给 func 的关键字参数。

返回:
系列

与原始对象具有相同索引的序列，填充了转换后的值。

参见

Series.groupby.apply

按组应用函数 func 并将结果合并在一起。

Series.groupby.aggregate

使用一个或多个操作进行聚合。

Series.transform

在自身上调用 func ，生成一个与自身轴形状相同的 Series。

备注

每个组都被赋予了 ‘name’ 属性，以防你需要知道你正在处理哪个组。

当前的实现对 f 施加了三个要求：

  • f 必须返回一个值，该值要么与输入子帧具有相同的形状，要么可以广播到输入子帧的形状。例如，如果 f 返回一个标量，它将被广播以具有与输入子帧相同的形状。

  • 如果这是一个 DataFrame，f 必须支持在子数据框中逐列应用。如果 f 还支持在整个子数据框中应用，那么从第二个块开始使用快速路径。

  • f 不得变异组。变异是不支持的，并且可能会产生意外的结果。更多详情请参见 使用用户定义函数 (UDF) 方法进行变异。

当使用 engine='numba' 时，内部不会有“回退”行为。组数据和组索引将作为 numpy 数组传递给 JITed 用户定义函数，并且不会尝试其他执行方式。

在 1.3.0 版本发生变更: 生成的 dtype 将反映传递的 func 的返回值，请参见下面的示例。

在 2.0.0 版本发生变更: 在使用 .transform 对分组 DataFrame 进行操作时，如果转换函数返回一个 DataFrame，pandas 现在会将结果的索引与输入的索引对齐。你可以在转换函数的结果上调用 .to_numpy() 以避免对齐。

例子

>>> ser = pd.Series([390.0, 350.0, 30.0, 20.0],
...                 index=["Falcon", "Falcon", "Parrot", "Parrot"],
...                 name="Max Speed")
>>> grouped = ser.groupby([1, 1, 2, 2])
>>> grouped.transform(lambda x: (x - x.mean()) / x.std())
    Falcon    0.707107
    Falcon   -0.707107
    Parrot    0.707107
    Parrot   -0.707107
    Name: Max Speed, dtype: float64

广播转换的结果

>>> grouped.transform(lambda x: x.max() - x.min())
Falcon    40.0
Falcon    40.0
Parrot    10.0
Parrot    10.0
Name: Max Speed, dtype: float64

>>> grouped.transform("mean")
Falcon    370.0
Falcon    370.0
Parrot     25.0
Parrot     25.0
Name: Max Speed, dtype: float64

在 1.3.0 版本发生变更.

生成的 dtype 将反映传递的 func 的返回值，例如：

>>> grouped.transform(lambda x: x.astype(int).max())
Falcon    390
Falcon    390
Parrot     30
Parrot     30
Name: Max Speed, dtype: int64