熊猫的转换不起作用按输出分组

熊猫的转换不起作用按输出分组

transform

没有足够的文档，但是似乎它的工作方式是传递转换函数不是将整个组作为数据框，而是单个组中的单个列。我不认为这确实意味着要执行的 *** 作，并且您的解决方案

apply

也不错。

这样吧

tips.groupby('smoker').transform(func)

。将有两个组，分别称为group1和group2。转换不会调用

func(group1)

和

func(group2)

。相反，它先调用

func(group1['total_bill'])

，然后依次

func(group1['tip'])

是等，然后依次

func(group2['total_bill'])

是

func(group2['tip'])

。这是一个例子：

>>> print d   A  B  C0 -2  5  41  1 -1  22  0  2  13 -3  1  24  5  0  2>>> def foo(df):...     print ">>>"...     print df...     print "<<<"...     return df>>> print d.groupby('C').transform(foo)>>>2    0Name: A<<<>>>2    2Name: B<<<>>>1    13   -34    5Name: A<<<>>>1   -13    14    0Name: B# etc.

您可以看到

foo

首先被调用的是原始数据帧的C = 1组的A列，然后是该组的B列，然后是C = 2组的A列，等等。

如果您考虑转换的目的，这是有道理的。这是为了在组上应用转换功能。但是通常，将这些功能应用于整个组时，仅应用于给定的列，就没有意义。例如，pandas文档中的示例是有关使用进行z标准化的

transform

。如果您有一个带有年龄和体重列的Dataframe，那么就这两个变量的总体平均值进行z标准化是没有意义的。拿一堆数字的整体平均值甚至都没有任何意义，其中一些是年龄，一些是权重。您必须相对于平均年龄对年龄进行标准化，相对于平均体重，对体重进行标准化，这意味着您要为每列分别进行转换。

因此，基本上，您无需在此处使用转换。

apply

是适当的功能，因为

apply

实际上每个组都作为一个Dataframe进行

transform

*** 作，而对每个组的每一列进行 *** 作。