API · Pandas
Pandas DataFrame DataFrame.transform()函数
Pandas DataFrame transform()函数在 DataFrame 上应用一个传递的函数并转换 DataFrame。
本页内容
Python Pandas DataFrame.transform() 会对 DataFrame 应用函数并返回转换后的结果。它适合在更改值的同时,让所选轴的长度与原始数据保持一致。若要逐元素或按 Series 转换,可以使用此方法;若要把多个值汇总成一个结果,则应选择归约操作。
DataFrame.transform() 的工作方式
DataFrame.transform() 会将数据传递给函数,并收集转换后的结果。默认值 axis=0 表示对每一列应用函数;axis=1 则选择行。结果必须保持所选轴的长度,因此,若函数改变了该长度,就不符合此要求,pandas 会引发 ValueError。由于这项限制,后续操作若依赖值与原始行或列保持对齐,transform 就很有用。
例如,对每个值加上一个常数可以改变数据,而不改变其布局。总和之类的汇总则不同:它会把多个值归约为更小的结果。选择函数时请留意这一区别,并确认函数的结果符合所选轴的要求。
DataFrame.transform() 的语法和参数
方法签名为 DataFrame.transform(func, axis=0, *args, **kwargs)。func 是要应用的转换函数。axis 用于选择列(0 或 "index")或行(1 或 "columns")。位置参数 *args 和关键字参数 **kwargs 会传递给该函数;当转换需要可配置的值时,这很有用。如果函数会使用自己的默认值,可以省略这些额外参数。
返回对象包含转换后的数据,并受所选轴长度的限制。若提供的函数无法满足此限制,就会引发错误;这不会使较短的汇总结果适用于 transform。若目标是生成汇总结果,请使用归约操作。
对 DataFrame 应用一个函数
可调用对象会接收每个选定的 Series。在此示例中,加上 2 会更改每个值,同时保留行和列。运行以下示例:
本节中的代码以及显示的标签或输出仍为英文。
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]}
这个 lambda 是一个简短的可调用对象,会返回与输入长度相同的 Series。若要重复使用这段逻辑,可以定义一个具名函数,并将其名称传给 func。也可以通过 *args 或 **kwargs 传入该函数所需的参数。显示的数值便于核对计算结果,也能看出两个列中的值仍位于原来的行位置。
使用 DataFrame.transform() 应用多个函数
若要进行多种转换,可以传入函数列表,例如 frame.transform([normalize, standardize]);其中每个名称都指当前作用域中的一个可调用对象。这样 pandas 就会应用传入的每种转换。当你需要从同一份数据得到多个衍生视图时,这种写法很有用;应选择结果符合所选轴长度要求的函数。组合后的具体结果取决于这些函数和 pandas 的行为,因此请根据实际用途检查返回对象,不要预先假定其列布局。此处展示的是一种调用方式,并非声称示例已经执行。
DataFrame.transform() 与 DataFrame.apply() 的区别
如果每次操作都应保留所选轴的长度,并让转换后的值与输入保持对齐,请使用 DataFrame.transform()。DataFrame.apply() 对函数结果形状的限制较少;当操作会返回汇总结果或以其他方式改变结果形状时,它可能更合适。两者的行为取决于函数和轴,因此应根据所需结果来选择,而不要假设其中一种方法总是更快。有关其调用方式,请参阅 DataFrame.apply()。