pandas.DataFrame.transform#

DataFrame.transform(func, axis=0, *args, **kwargs)[源代码]#

打电话 func 关于Self生成与Self具有相同轴形状的DataFrame。

参数

func函数、字符串、列表或字典

用于转换数据的函数。如果是函数，则在传递DataFrame或传递给DataFrame.Apply时必须工作。如果Func既是List-like，又是dict-like，则类dict行为优先。

可接受的组合包括：

功能
字符串函数名
类似函数和/或函数名称的列表，例如 [np.exp, 'sqrt']
类似字典的轴标签->函数、函数名称或类似列表。

axis{0或‘index’，1或‘Columns’}，默认为0

如果为0或‘index’：将函数应用于每一列。If 1或‘Columns’：对每行应用函数。

*args

要传递到的位置参数 func 。

**kwargs

要传递到的关键字参数 func 。

退货

DataFrame: 必须与Self具有相同长度的DataFrame。

加薪

ValueError如果返回的DataFrame的长度与自身的长度不同。

参见

DataFrame.agg: 仅执行聚合类型操作。
DataFrame.apply: 调用DataFrame上的函数。

注意事项

改变传递的对象的函数可能会产生意外的行为或错误，因此不受支持。看见使用用户定义函数(UDF)方法进行变异了解更多详细信息。

示例

>>> df = pd.DataFrame({'A': range(3), 'B': range(1, 4)})
>>> df
   A  B
0  0  1
1  1  2
2  2  3
>>> df.transform(lambda x: x + 1)
   A  B
0  1  2
1  2  3
2  3  4

即使生成的DataFrame必须与输入DataFrame具有相同的长度，也可以提供几个输入函数：

>>> s = pd.Series(range(3))
>>> s
0    0
1    1
2    2
dtype: int64
>>> s.transform([np.sqrt, np.exp])
       sqrt        exp
0  0.000000   1.000000
1  1.000000   2.718282
2  1.414214   7.389056

您可以对GroupBy对象调用Transform：

>>> df = pd.DataFrame({
...     "Date": [
...         "2015-05-08", "2015-05-07", "2015-05-06", "2015-05-05",
...         "2015-05-08", "2015-05-07", "2015-05-06", "2015-05-05"],
...     "Data": [5, 8, 6, 1, 50, 100, 60, 120],
... })
>>> df
         Date  Data
0  2015-05-08     5
1  2015-05-07     8
2  2015-05-06     6
3  2015-05-05     1
4  2015-05-08    50
5  2015-05-07   100
6  2015-05-06    60
7  2015-05-05   120
>>> df.groupby('Date')['Data'].transform('sum')
0     55
1    108
2     66
3    121
4     55
5    108
6     66
7    121
Name: Data, dtype: int64

>>> df = pd.DataFrame({
...     "c": [1, 1, 1, 2, 2, 2, 2],
...     "type": ["m", "n", "o", "m", "m", "n", "n"]
... })
>>> df
   c type
0  1    m
1  1    n
2  1    o
3  2    m
4  2    m
5  2    n
6  2    n
>>> df['size'] = df.groupby('c')['type'].transform(len)
>>> df
   c type size
0  1    m    3
1  1    n    3
2  1    o    3
3  2    m    4
4  2    m    4
5  2    n    4
6  2    n    4

pandas.DataFrame.to_xarray

pandas.DataFrame.transpose