如何使用 df.groupby().transform() 有效组合分组数据框？

将 Groupby Dataframe 与 df.groupby().transform() 结合

在处理 pandas dataframe 时，通常需要对以下对象执行操作数据子集，例如对值进行分组和计算统计数据。但是，将这些操作的结果合并回原始数据帧可能会很麻烦。

要解决此挑战，请考虑以下场景：

问题：您有一个包含两列的数据框，“c”和“type”。您的目标是计算每个“c”的“type”值，并向数据框中添加大小为“c”的列。

方法 1（使用地图）：

一种方法是使用 map() 函数，它将函数应用于 Series 中的每个值。在这种情况下，您可以将“c”的大小映射到数据框中相应的“c”值：

<code class="python">g = df.groupby('c')['type'].value_counts().reset_index(name='t')
a = df.groupby('c').size().reset_index(name='size')
a.index = a['c']
g['size'] = g['c'].map(a['size'])</code>

此方法有效，但涉及多个步骤和手动索引对齐。

方法2（使用Transform）：

更直接的解决方案是使用pandas的transform()函数，它将函数应用于数据帧的每一行，返回一个与原始索引。您可以使用转换将“c”的大小直接添加到数据框：

<code class="python">g = df.groupby('c')['type'].value_counts().reset_index(name='t')
g['size'] = df.groupby('c')['type'].transform('size')</code>

这种方法消除了单独的大小计算和索引对齐的需要，从而产生更简洁和高效的解决方案。

以上是如何使用 df.groupby().transform() 有效组合分组数据框？的详细内容。更多信息请关注PHP中文网其他相关文章！