Pandas tricks 之 transform的用法

Python与算法之美

共 2151字,需浏览 5分钟

 ·

2021-04-07 10:25


点击上方“超哥的杂货铺”,轻松关注

57b6de0a06874f0feca0f085c9a060b0.webp


先来看一个实例问题。

如下销售数据中展现了三笔订单,每笔订单买了多种商品,求每种商品销售额占该笔订单总金额的比例。例如第一条数据的最终结果为:235.83 / (235.83+232.32+107.97) = 40.93%

e0d2a320db725e4b2746b66562f882b4.webp后台回复“transform”获取本文全部代码和pdf版本。

思路一:

常规的解法是,先用对订单id分组,求出每笔订单的总金额,再将源数据和得到的总金额进行“关联”。最后把相应的两列相除即可。相应的代码如下:

1.对订单id分组,求每笔订单总额。由于有三个order,因此最终会产生三条记录表示三个总金额。

ab82a2fea9d61881e3f05243cebdad01.webp

2.数据关联合并

a80b38fd0d93496fc9a320a4520d6a5c.webp

为了使每行都出现相应order的总金额,需要使用“左关联”。我们使用源数据在左,聚合后的总金额数据在右(反过来也可)。不指定连接key,则会自动查找相应的关联字段。由于是多行对一行的关联,关联上的就会将总金额重复显示多次,刚好符合我们后面计算的需要。结果如上图所示。

3.计算占比

有了前面的基础,就可以进行最终计算了:直接用商品金额ext_price除以订单总额sum_price。并赋值给新的列pct即可。

b67b0f4e04de2b27faa9e0c6f15e4ab2.webp

4.格式调整

为了美观,可以将小数形式转换为百分比形式,自定义函数即可实现。

30e42af1e669c139f0e667fda6f9ed95.webp

思路二:

对于上面的过程,pandas中的transform函数提供了更简洁的实现方式,如下所示:

2bd5a52a6fd8e5df08ec6c44a9f53b21.webp

可以看到,这种方法把前面的第一步和第二步合成了一步,直接得到了sum_price列。这就是transform的核心:作用于groupby之后的每个组的所有数据。可以参考下面的示意图帮助理解:

1f8bf09ab549eabd04d955ebbc6640f6.webp

后面的步骤和前面一致。

5e75614b5b7e5e75d5ff43271f914253.webp

这种方法在需要对多列分组的时候同样适用。

多列分组使用transform

为演示效果,我们虚构了如下数据,id,name,cls为维度列。

b657f49fc53dbec37adf89d7f0e0bc18.webp

我们想求:以(id,name,cls)为分组,每组stu的数量占各组总stu的比例。使用transform处理如下:

60ec9daf4b1e5f09b24efb5cb7193add.webp

同样再次计算占比和格式化,得到最终结果:

1adf00b1408167f29284ef075a908382.webp

总结transform的用法

transform函数的官方文档签名为:DataFrame.transform(func,axis=0,*args,**kwargs),表示调用func函数进行转换,返回转换后的值,且返回值与原来的数据在相同的轴上具有相同的长度。func可以是函数,字符串,列表或字典。具体可以参考官方文档:

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.transform.html#pandas.DataFrame.transform。

transform既可以和groupby一起使用,也可以单独使用。

1.单独使用

此时,在某些情况下可以实现和apply函数类似的结果。

f07fc8b41ef37c028e93d417323169f1.webp

82cc5226e14fc1fba9da90c6bfbaf526.webp

2.与groupby一起使用

此时,transform函数返回与原数据一样数量的行,并将函数的结果分配回原始的dataframe。也就是说返回的shape是(len(df),1)。本文开头的例子就是这样。而apply函数返回聚合后的行数。例如:

e6adfd780fd1fadc7b267e1d35ea7ffb.webp

transformapply的另一个区别是,apply函数可以同时作用于多列,而transform不可以。下面用例子说明:

690af2611ca7d33fa28e3bf3de47f07d.webp

上图中的例子,定义了处理两列差的函数,在groupby之后分别调用applytransform,transform并不能执行。如果不采用groupby,直接调用,也会有问题,参见下面的第二种调用方式。

6f2c2b3f8587e77d713e89eed757ab7a.webp

第三种调用调用方式修改了函数,transform依然不能执行。以上三种调用apply的方式处理两列的差,换成transform都会报错。

利用transform填充缺失值

transform另一个比较突出的作用是用于填充缺失值。举例如下:

80490e6ae84dde61857f7ff35326357f.webp

在上面的示例数据中,按照name可以分为三组,每组都有缺失值。用平均值填充是一种处理缺失值常见的方式。此处我们可以使用transform对每一组按照组内的平均值填充缺失值。

39b7281c6bbc86ea162dc55a2807e3d5.webp

小结:

transform函数经常与groupby一起使用,并将返回的数据重新分配到每个组去。利用这一点可以方便求占比和填充缺失值。但需要注意,相比于apply,它的局限在于只能处理单列的数据。

后台回复“transform”获取本文全部代码和pdf版本。

Reference:

https://www.codenong.com/19966018/

https://www.cnblogs.com/junge-mike/p/12761227.html

https://blog.csdn.net/qq_40587575/article/details/81204514

https://pbpython.com/pandas_transform.html

以清净心看世界;

用欢喜心过生活。


超哥的杂货铺,你值得拥有~


长按二维码关注我们


推荐阅读

不再纠结,一文详解pandas中的map、apply、applymap、groupby、agg...

图解pandas模块21个常用操作

左手pandas右手Excel,带你学习数据透视表

数据分析师必备的一套「指标体系」搭建指南!

浏览 52
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报