pandas.core.groupby.DataFrameGroupBy.transform#

DataFrameGroupBy.преобразовать(функция, *args, движок=None, engine_kwargs=None, **kwargs)[источник]#

Вызвать функцию, создающую DataFrame с тем же индексом, для каждой группы.

Возвращает DataFrame с теми же индексами, что и исходный объект, заполненный преобразованными значениями.

Параметры:
fфункция, str

Функция для применения к каждой группе. См. раздел Примечания ниже для требований.

Допустимые входные данные:

  • String

  • Функция Python

  • Функция Numba JIT с engine='numba' указано.

Только передача одной функции поддерживается этим движком. Если 'numba' выбран механизм, функция должна быть пользовательской функцией с values и index как первый и второй аргументы соответственно в сигнатуре функции. Индекс каждой группы будет передан пользовательской функции и при необходимости доступен для использования.

Если выбрана строка, то она должна быть именем метода groupby, который вы хотите использовать.

*args

Позиционные аргументы для передачи в func.

движокstr, по умолчанию None

  • 'cython' : Запускает функцию через C-расширения из cython.

  • 'numba' : Запускает функцию через JIT-скомпилированный код из numba.

  • None : По умолчанию 'cython' или глобальная настройка compute.use_numba

engine_kwargsdict, по умолчанию None

  • Для 'cython' движок, нет принятых engine_kwargs

  • Для 'numba' движок, движок может принимать nopython, nogil и parallel ключи словаря. Значения должны быть либо True или False. По умолчанию engine_kwargs для 'numba' движок это {'nopython': True, 'nogil': False, 'parallel': False} и будет применена к функции

**kwargs

Именованные аргументы для передачи в функцию.

Возвращает:
DataFrame

Смотрите также

DataFrame.groupby.apply

Применить функцию func по группам и объединить результаты вместе.

DataFrame.groupby.aggregate

Агрегировать с использованием одной или нескольких операций по указанной оси.

DataFrame.transform

Вызов func на self, создавая DataFrame с той же формой оси, что и self.

Примечания

Каждой группе присваивается атрибут 'name' на случай, если вам нужно знать, с какой группой вы работаете.

Текущая реализация накладывает три требования на f:

  • f должна возвращать значение, которое либо имеет ту же форму, что и входной подфрейм, либо может быть транслировано к форме входного подфрейма. Например, если f возвращает скаляр, он будет транслирован для соответствия форме входного подфрейма.

  • если это DataFrame, f должен поддерживать применение по столбцам в подфрейме. Если f также поддерживает применение ко всему подфрейму, то используется быстрый путь, начиная со второго фрагмента.

  • f не должен изменять группы. Изменение не поддерживается и может привести к неожиданным результатам. См. Изменение с помощью методов пользовательских функций (UDF) для получения дополнительной информации.

При использовании engine='numba', не будет внутреннего поведения "отката". Данные группы и индекс группы будут переданы как массивы numpy в JIT-компилированную пользовательскую функцию, и не будет предпринято попыток альтернативного выполнения.

Изменено в версии 1.3.0: Результирующий dtype будет отражать возвращаемое значение переданной func, см. примеры ниже.

Изменено в версии 2.0.0: При использовании .transform на сгруппированном DataFrame, и функция преобразования возвращает DataFrame, pandas теперь выравнивает индекс результата с индексом входных данных. Вы можете вызвать .to_numpy() на результате функции преобразования, чтобы избежать выравнивания.

Примеры

>>> df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
...                           'foo', 'bar'],
...                    'B' : ['one', 'one', 'two', 'three',
...                           'two', 'two'],
...                    'C' : [1, 5, 5, 2, 5, 5],
...                    'D' : [2.0, 5., 8., 1., 2., 9.]})
>>> grouped = df.groupby('A')[['C', 'D']]
>>> grouped.transform(lambda x: (x - x.mean()) / x.std())
        C         D
0 -1.154701 -0.577350
1  0.577350  0.000000
2  0.577350  1.154701
3 -1.154701 -1.000000
4  0.577350 -0.577350
5  0.577350  1.000000

Результат трансформации с широковещанием

>>> grouped.transform(lambda x: x.max() - x.min())
    C    D
0  4.0  6.0
1  3.0  8.0
2  4.0  6.0
3  3.0  8.0
4  4.0  6.0
5  3.0  8.0

>>> grouped.transform("mean")
    C    D
0  3.666667  4.0
1  4.000000  5.0
2  3.666667  4.0
3  4.000000  5.0
4  3.666667  4.0
5  4.000000  5.0

Изменено в версии 1.3.0.

Результирующий dtype будет отражать возвращаемое значение переданной func, например:

>>> grouped.transform(lambda x: x.astype(int).max())
C  D
0  5  8
1  5  9
2  5  8
3  5  9
4  5  8
5  5  9