Python Pandas DataFrame transform方法用法及代碼示例

例子

基本用法

考慮以下 DataFrame ：

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



   A   B
0  -3  5
1  4   -6

應用 NumPy 的 abs(~) 方法，該方法返回輸入的絕對值：

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



   A  B
0  3  5
1  4  6

傳入一個函數

考慮以下 DataFrame ：

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



   A  B
0  3  5
1  4  6

我們可以傳入一個自定義函數，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

在這裏，我們的自定義函數 foo 接受參數 col ，它是 DataFrame ( Series ) 的單列。

傳入多個函數

考慮以下 DataFrame ：

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



   A   B
0  -3  -5
1  4   6

要應用多個轉換，請傳入一個列表，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

注意這兩個變換是如何進行的獨立的，也就是說，這兩個變換都應用於原始值。

變換每一列

考慮以下 DataFrame ：

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



   A  B
0  3  5
1  4  6

默認情況下， axis=0 ，這意味著我們正在轉換每一列：

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

變換每一行

考慮與之前相同的DataFrame：

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



   A  B
0  3  5
1  4  6

要轉換每一行，請傳入 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

僅轉換某些列

考慮與之前相同的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

默認情況下，transform(~) 方法將轉換所有列 ( axis=0 ) 或所有行 ( axis=1 )。

要轉換某些列，請先選擇要轉換的列：

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

此處，返回具有轉換列的新DataFrame，而原始DataFrame df 保持不變。如果你想替換原來的列，那麽：

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

傳遞參數

考慮以下 DataFrame ：

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



   A  B
0  3  5
1  4  6

將參數傳遞給 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