API · Pandas
Pandas DataFrame DataFrame.transform() 関数
Pandas の DataFrame transform()関数は、渡された関数を DataFrame に適用し、DataFrame を変換します。
このページの内容
Python Pandas の DataFrame.transform() は、関数を DataFrame に適用し、変換した結果を返します。選択した軸の長さを元のデータにそろえたまま値を変更したい場合に便利です。多くの値を1つの結果にまとめる集約ではなく、要素単位または Series 単位の変換に使います。
DataFrame.transform() の動作
DataFrame.transform() はデータを関数に渡し、変換後の結果を集めます。既定の axis=0 では各列に関数が適用され、axis=1 では行が選択されます。結果は選択した軸の長さを保つ必要があります。その長さを変える関数は適合せず、pandas は ValueError を発生させます。この制約があるため、後続の処理で値と元の行や列との対応を保つ必要がある場合に transform が役立ちます。
たとえば、すべての値に定数を加えると、データの配置を変えずに値を変更できます。一方、合計のような要約は複数の値を小さな結果にまとめる処理です。関数を選ぶ際はこの違いを踏まえ、結果が選択した軸に適合することを確認してください。
DataFrame.transform() の構文とパラメータ
メソッドのシグネチャは DataFrame.transform(func, axis=0, *args, **kwargs) です。func は適用する変換処理です。axis では列(0 または "index")か行(1 または "columns")を選択します。*args の位置引数と **kwargs のキーワード引数は関数に渡されるため、変換処理に設定可能な値が必要な場合に使えます。関数自身の既定値を使う場合は、これらの追加引数を省略してください。
返されるオブジェクトには、選択した軸の長さに関する制約を満たす変換済みデータが含まれます。その制約を満たさない結果を返す関数を指定するとエラーになります。短い要約を transform に適した結果に変えることはできません。要約が目的なら、集約処理を使ってください。
DataFrame に1つの関数を適用する
呼び出し可能オブジェクトには、選択された各 Series が渡されます。この例では、2 を加えることで行と列を保ったまま各値を変更します。次の例を実行してください。
このセクションのコードと表示されるラベルや出力は英語のままです。
import pandas as pd
frame = pd.DataFrame({"sales": [10, 20], "cost": [2, 5]})
adjusted = frame.transform(lambda column: column + 2)
print(adjusted.to_dict(orient="list"))
{'sales': [12, 22], 'cost': [4, 7]}
ラムダ式は、入力と同じ長さの Series を返す小さな呼び出し可能オブジェクトです。処理を再利用する場合は、名前付き関数を定義し、その名前を func として渡します。その関数が必要とする引数は *args または **kwargs で渡すこともできます。表示された値を使うと計算を確認し、両方の列で元の行位置が保たれていることを確かめられます。
DataFrame.transform() で複数の関数を適用する
複数の変換を行うには、frame.transform([normalize, standardize]) のように関数のリストを渡します。各名前は、その時点で呼び出し可能な関数を参照します。この形式では、指定した各変換を pandas に適用させます。同じデータから複数の派生結果を得たい場合に便利です。結果が選択した軸の長さに関する要件を満たす関数を選んでください。結合後の結果は関数と pandas の動作によって異なるため、列の配置を決めつけず、用途に応じて返されたオブジェクトを確認してください。この呼び出し方は説明用であり、実行済みの例ではありません。
DataFrame.transform() と DataFrame.apply() の比較
各処理で選択した軸の長さを保ち、変換後の値を入力データに対応させたい場合は DataFrame.transform() を使います。DataFrame.apply() は関数の結果の形状により柔軟に対応するため、要約を返す処理や結果の形状が変わる処理に適している場合があります。動作は関数と軸によって異なるため、どちらかが常に高速だと決めつけず、必要な結果に基づいて選んでください。それぞれの呼び出し方については、DataFrame.apply() を参照してください。