Python Pandas DataFrame transform方法用法及代码示例

例子

基本用法

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[-3,4],"B":[5,-6]})
df



   A   B
0  -3  5
1  4   -6

应用 NumPy 的 abs(~) 方法，该方法返回输入的绝对值：

df.transform(np.abs)   # or "np.abs"



   A  B
0  3  5
1  4  6

传入一个函数

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4],"B":[5,6]})
df



   A  B
0  3  5
1  4  6

我们可以传入一个自定义函数，如下所示：

def foo(col):
 return 2 * col if np.sum(col) >= 10 else col
df.transform(foo)



   A  B
0  3  10
1  4  12

在这里，我们的自定义函数 foo 接受参数 col ，它是 DataFrame ( Series ) 的单列。

传入多个函数

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[-3,4],"B":[-5,6]})
df



   A   B
0  -3  -5
1  4   6

要应用多个转换，请传入一个列表，如下所示：

df.transform([np.abs, lambda x: x + 1])



   A                     B
   absolute  <lambda_0>  absolute  <lambda_0>
0     3         -2          5         -4
1     4         5           6         7

注意这两个变换是如何进行的独立的，也就是说，这两个变换都应用于原始值。

变换每一列

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4],"B":[5,6]})
df



   A  B
0  3  5
1  4  6

默认情况下， axis=0 ，这意味着我们正在转换每一列：

def foo(col):
 return 2 * col if np.sum(col) >= 10 else col
df.transform(foo)   # axis=0



   A  B
0  3  10
1  4  12

变换每一行

考虑与之前相同的DataFrame：

df = pd.DataFrame({"A":[3,4],"B":[5,6]})
df



   A  B
0  3  5
1  4  6

要转换每一行，请传入 axis=1，如下所示：

def foo(row):   # row is a Series representing a single row
 return 2 * row if np.sum(row) >= 10 else row
df.transform(foo, axis=1)



   A  B
0  3  5
1  8  12

仅转换某些列

考虑与之前相同的DataFrame：

df = pd.DataFrame({"A":[3,4],"B":[5,6],"C":[7,8]})
df



   A  B  C
0  3  5  7
1  4  6  8

默认情况下，transform(~) 方法将转换所有列 ( axis=0 ) 或所有行 ( axis=1 )。

要转换某些列，请先选择要转换的列：

def foo(val):
 return val * 3
# Here, we are transforming just columns A and B
df_new_cols = df[["A","B"]].transform(foo)
df_new_cols



   A   B
0  9   15
1  12  18

此处，返回具有转换列的新DataFrame，而原始DataFrame df 保持不变。如果你想替换原来的列，那么：

def foo(val):
 return val * 3
df_new_cols = df[["A","B"]].transform(foo)
df[["A","B"]] = df_new_cols
df



   A   B   C
0  9   15  7
1  12  18  8

传递参数

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4],"B":[5,6]})
df



   A  B
0  3  5
1  4  6

将参数传递给 func ：

def foo(x, threshold):
 return 2 * x if np.sum(x) >= threshold else x
df.transform(foo, threshold=10)



   A  B
0  3  10
1  4  12