python transform函数详解(python中transform用法)35

作者 : 慕源网 本文共2046个字,预计阅读时间需要6分钟 发布时间: 2021-12-8 共1.1K人阅读

python transform函数详解(python中transform用法)35

python transform函数

transform函数用于转换数据,是一个用于数据清洗、转换或者生成报表的非常方便的工具,尤其是对于大量数据的处理速度上

本文是Python Pandas教程系列的一部分,您可以点击Python Pandas使用教程查看所有。

Pandas Dataframe.transform 函数的语法是,

DataFrame.transform(functions, axis=0, *arguments, **keywords)
参数: func : functionstrlist 或 dict

用于转换数据的函数。如果是函数,则必须在传递DataFrame

或传递到DataFrame.apply时工作。

接受的组合是:

function

string function name

list of functions 和/或 function names, 例如, [np.exp. ‘sqrt’]

axis labels的dict -> functions, function names 或这样的list.

axis : {0 or ‘index’, 1 或 ‘columns’}, 默认 0

如果0或’ index ‘:应用函数到每一列。

如果1或‘columns’:应用函数到每一行。

*args

要传递给func的位置参数。

**kwargs

要传递给func的关键字参数。

返回: DataFrame

必须具有与自身相同长度的DataFrame

Raises: ValueError : 如果返回的DataFrame的长度与自身不同。

python中transform用法

我们现在看到有关此 transform() 函数如何以不同方式在 Pandas Dataframe 中工作的各种示例。Pandas 中的 transform() 函数最重要的特性是它们非常适合合并。创建Dataframe 后,我们将合并索引并最终生成输出。

Pandas 转换示例

以下是Pandas 变换的示例,如下所示:

示例#1

将 5 添加到 Dataframe 中的特定行。

代码:

import pandas as pd
df = pd.DataFrame({"S":[1, 2, 3, None, 4],
"P":[5, 6, 7, 8, None],
"A":[9, 10, 12, 13, 14],
"N":[15, 16, None, 17, 18]})
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5'] df.index = index_
output = df.transform(lambda x : x + 5)
print(output)

输出:

python transform函数详解(python中transform用法)35

在上面的程序中,我们首先将 pandas 函数作为 pd 导入,然后创建Dataframe 。创建Dataframe 后,我们定义索引并提及该索引中的所有 5 行。现在,我们使用transform函数并将 5 添加到索引中的第三行。所以,这个函数返回索引,执行数学运算,最后产生输出。

示例#2

使用欧拉数并通过使用 Pandas 中的 transform() 函数计算平方根。

代码:

import pandas as pd
df = pd.DataFrame({"S":[1, 2, 3, None, 4],
"P":[5, 6, 7, 8, None],
"A":[9, 10, 12, 13, 14],
"N":[15, 16, None, 17, 18]})
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5'] df.index = index_
output = df.transform(['sqrt','exp'])
print(output)

输出:

python transform函数详解(python中transform用法)35

使用transform()函数产生给定索引中产生的欧拉数表达式的平方根,最后产生输出。

示例 #3

我们使用 transform() 函数将 1 添加到 Pandas Dataframe 中的特定行。

代码:

import pandas as pd
df = pd.DataFrame({"S":[1, 2, 3, None, 4],
"P":[5, 6, 7, 8, None],
"A":[9, 10, 12, 13, 14],
"N":[15, 16, None, 17, 18]})
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5'] df.index = index_
output = df.transform(lambda x : x + 1)
print(output)

输出:

python transform函数详解(python中transform用法)35

在上面的程序中,我们只是使用了 transform() 函数来执行与之前类似的数学运算。但是这里不是数字 5,我们添加数字 1 来检查代码是否适用于不同的数字,这里我们有输出。与我们创建Dataframe 并将Pandas 导入为 pd 的方式相同。然后我们使用 pandas 中的 transform() 函数并对第三行执行数学运算,索引识别出这一点并返回Dataframe 。因此,输出成功生成。

结论

这是 Pandas transform的指南。这里我们也讨论一下介绍以及transform函数在pandas中是如何工作的?以及不同的示例及其代码实现。


慕源网 » python transform函数详解(python中transform用法)35

常见问题FAQ

程序仅供学习研究,请勿用于非法用途,不得违反国家法律,否则后果自负,一切法律责任与本站无关。
请仔细阅读以上条款再购买,拍下即代表同意条款并遵守约定,谢谢大家支持理解!

发表评论

开通VIP 享更多特权,建议使用QQ登录