文章目录
- 数据转换——transform()方法
- 数据应用——apply()方法
数据转换——transform()方法
使用aggregate()方法进行聚合运算已经在上一篇博客中详细阐述，我们知道aggregate()方法返回的数据集的形状（shape）与被分组的数据集的形状是不同的，如果希望保持与原数据数据集形状相同，则可以通过transfrom()方法实现。
transform(self, func, *args, **kwargs)
上述方法中只有一个func参数，表示操作Pandas对象的函数，该函数可以是内置方法也可以是自定义函数。
transform()方法返回的结果有两种：
- 一种是可以广播的标量值（np.mean）
- 一种可以是与分组大小相同的结果数组
通过transfrom()方法操作分组时，该方法回将func()函数应用到各个分组中，并且将结果放在适当的位置上。
下面通过实例来进一步了解该方法的具体功能。
创建测试对象：
import pandas as pd
import numpy as npdf = pd.DataFrame(np.arange(25).reshape(5, 5),index=list([0, 1, 2, 3, 4]),columns=list('abcde'))
df['key'] = pd.Series(data=list('AABBB'), name='key')
print(df)
输出结果：
a b c d e key
0 0 1 2 3 4 A
1 5 6 7 8 9 A
2 10 11 12 13 14 B
3 15 16 17 18 19 B
4 20 21 22 23 24 B
以key列进行分组，可以将df对象拆分成A、B两组，将mean()方法应用到每个分组中，计算每个分组中每列的平均值。
代码如下：
df_group = df.groupby('key').transform('mean')
print(df_group)
输出结果：
a b c d e
0 2.5 3.5 4.5 5.5 6.5
1 2.5 3.5 4.5 5.5 6.5
2 15.0 16.0 17.0 18.0 19.0
3 15.0 16.0 17.0 18.0 19.0
4 15.0 16.0 17.0 18.0 19.0
从输出结果可以看出，每列的数据是各分组求得的平均数。操作过程是通过mean()方法算出均值（一个标准量）后将其广播。
不难发现上述示例中，原始数据的列数与最终结果的列数是不一样的。
如果希望原始数据的列数与最终结果的列数是一样的。那么需要创建一个Series对象作为分组键，而不是将原始数据中的列作为分组键。
创建测试对象：
df1 = DataFrame(np.arange(20).reshape(5, 4))
print(df1)
输出结果：
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
3 12 13 14 15
4 16 17 18 19
然后创建一个列表key，key的长度需要与df1对象的行数是一样的，我们将key当作分组键，然后对每个分组执行求平均值的操作。
代码如下：
key = ['one', 'one', 'two', 'two', 'two']
df1_group = df1.groupby(by=key).transform('mean')
print(df1_group)
输出结果：
0 1 2 3
0 2 3 4 5
1 2 3 4 5
2 12 13 14 15
3 12 13 14 15
4 12 13 14 15
数据应用——apply()方法
apply()方法的使用十分灵活，它可以作用于DataFrame中的每一列、每一行元素，还可以在许多标准用例中代替聚合和转换。
测试对象：
a b c d e key
0 0 1 2 3 4 A
1 5 6 7 8 9 A
2 10 11 12 13 14 B
3 15 16 17 18 19 B
4 20 21 22 23 24 B
运用apply()方法的代码如下：
df_by_group = df.groupby('key')def plus_ten(data_frame):return data_frame.iloc[:, :5] + 10df_by_group_apply = df_by_group.apply(func=plus_ten)
print(df_by_group_apply)
输出结果：
a b c d e
0 10 11 12 13 14
1 15 16 17 18 19
2 20 21 22 23 24
3 25 26 27 28 29
4 30 31 32 33 34
也可以用内置方法进行数据应用：
df1_by_group_apply1 = df.iloc[:, :5].apply(func='mean')
print("df1_apply:\n", df1_by_group_apply1)
输出结果：
df1_apply:a 10.0
b 11.0
c 12.0
d 13.0
e 14.0
dtype: float64
