pandas.DataFrame.transform

DataFrame.transform(func, axis=0, *args, **kwargs)

在self上调用``func``，生成一个与self具有相同轴形状的DataFrame。

Parameters:

func函数、str、类列表或类字典

用于转换数据的函数。如果为函数，则必须能够接受 DataFrame 作为输入，或者能够通过 DataFrame.apply 使用。如果 func 同时是类列表和类字典，则类字典行为具有优先权。

可接受的组合有：

• function

• 字符串函数名

• 函数和/或函数名称的类列表，例如 [np.exp, 'sqrt']

• 轴标签 -> 函数、函数名称或此类列表的类字典。

axis{0 或 ‘index’, 1 或 ‘columns’}, default 0

如果为 0 或 ‘index’：对每列应用函数。如果为 1 或 ‘columns’：对每行应用函数。

*args

传递给 func 的位置参数。

**kwargs

传递给 func 的关键字参数。

Returns:

DataFrame

长度必须与 self 相同的 DataFrame。

Raises:

ValueError如果返回的 DataFrame 的长度与 self 不同。

参见

DataFrame.agg

仅执行聚合类型操作。

DataFrame.apply

在 DataFrame 上调用函数。

Notes

修改传入对象的函数可能会导致意外行为或错误，因此不受支持。有关详细信息，请参阅 使用用户定义函数 (UDF) 方法进行变异 。

Examples

>>> df = pd.DataFrame({'A': range(3), 'B': range(1, 4)})
>>> df
   A  B
0  0  1
1  1  2
2  2  3
>>> df.transform(lambda x: x + 1)
   A  B
0  1  2
1  2  3
2  3  4

即使结果 DataFrame 的长度必须与输入 DataFrame 相同，也可以提供多个输入函数：

>>> s = pd.Series(range(3))
>>> s
0    0
1    1
2    2
dtype: int64
>>> s.transform([np.sqrt, np.exp])
       sqrt        exp
0  0.000000   1.000000
1  1.000000   2.718282
2  1.414214   7.389056

您可以对 GroupBy 对象调用 transform：

>>> df = pd.DataFrame({
...     "Date": [
...         "2015-05-08", "2015-05-07", "2015-05-06", "2015-05-05",
...         "2015-05-08", "2015-05-07", "2015-05-06", "2015-05-05"],
...     "Data": [5, 8, 6, 1, 50, 100, 60, 120],
... })
>>> df
         Date  Data
0  2015-05-08     5
1  2015-05-07     8
2  2015-05-06     6
3  2015-05-05     1
4  2015-05-08    50
5  2015-05-07   100
6  2015-05-06    60
7  2015-05-05   120
>>> df.groupby('Date')['Data'].transform('sum')
0     55
1    108
2     66
3    121
4     55
5    108
6     66
7    121
Name: Data, dtype: int64

>>> df = pd.DataFrame({
...     "c": [1, 1, 1, 2, 2, 2, 2],
...     "type": ["m", "n", "o", "m", "m", "n", "n"]
... })
>>> df
   c type
0  1    m
1  1    n
2  1    o
3  2    m
4  2    m
5  2    n
6  2    n
>>> df['size'] = df.groupby('c')['type'].transform(len)
>>> df
   c type size
0  1    m    3
1  1    n    3
2  1    o    3
3  2    m    4
4  2    m    4
5  2    n    4
6  2    n    4