Как использовать функции groupby() и transform() в pandas

Вы можете использовать следующие методы для совместного использования функций groupby() и Transform() в DataFrame pandas:

Способ 1: используйте groupby() и Transform() со встроенной функцией.

 df[' new '] = df. groupby (' group_var ')[' value_var ']. transform (' mean ')

Способ 2. Используйте groupby() и Transform() с пользовательской функцией.

 df[' new '] = df. groupby (' group_var ')[' value_var ']. transform ( lambda x: some function)

В следующих примерах показано, как использовать каждый метод на практике со следующим DataFrame pandas:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   ' points ': [30, 22, 19, 14, 14, 11, 20, 28]})

#view DataFrame
print (df)

  team points
0 to 30
1 to 22
2 to 19
3 to 14
4 B 14
5 B 11
6 B 20
7 B 28

Пример 1. Использование groupby() и Transform() со встроенной функцией.

В следующем коде показано, как использовать функции groupby( ) и Transform() для добавления нового столбца в DataFrame с именем mean_points:

 #create new column called mean_points
df[' mean_points '] = df. groupby (' team ')[' points ']. transform (' mean ')

#view updated DataFrame
print (df)

  team points mean_points
0 to 30 21.25
1 to 22 21.25
2 A 19 21.25
3 to 14 21.25
4 B 14 18.25
5 B 11 18.25
6 B 20 18.25
7 B 28 18.25

Среднее значение очков для игроков команды A составило 21,25 , а среднее значение очков для игроков команды B — 18,25 , поэтому эти значения были присвоены соответственно каждому игроку в новом столбце.

Обратите внимание, что мы также можем использовать другую встроенную функцию, например sum() , для создания нового столбца, отображающего сумму очков, набранных каждой командой:

 #create new column called sum_points
df[' sum_points '] = df. groupby (' team ')[' points ']. transform (' sum ')

#view updated DataFrame
print (df)

  team points sum_points
0 to 30 85
1 to 22 85
2 A 19 85
3 to 14 85
4 B 14 73
5 B 11 73
6 B 20 73
7 B 28 73

Сумма очков игроков команды А составила 85 , а сумма очков игроков команды Б — 73 , поэтому эти значения были присвоены соответственно каждому игроку в новом столбце.

Пример 2. Использование groupby() и Transform() с пользовательской функцией.

В следующем коде показано, как использовать функции groupby( ) и Transform() для создания пользовательской функции, которая вычисляет процент от общего количества очков, набранных каждым игроком в соответствующей команде:

 #create new column called percent_of_points
df[' percent_of_points '] = df. groupby (' team ')[' points ']. transform ( lambda x:x/ x.sum ())

#view updated DataFrame
print (df)

  team points percent_of_points
0 A 30 0.352941
1 A 22 0.258824
2 A 19 0.223529
3 A 14 0.164706
4 B 14 0.191781
5 B 11 0.150685
6 B 20 0.273973
7 B 28 0.383562

Вот как интерпретировать результат:

• Первый игрок Команды А набрал 30 очков из 85, набранных среди игроков Команды А. Таким образом, его процент от общего количества набранных очков составил 30/85 = 0,352941 .
• Второй игрок Команды А набрал 22 очка из 85, набранных среди игроков Команды А. Таким образом, его процент от общего числа набранных очков составил 22/85 = 0,258824 .

И так далее.

Обратите внимание, что мы можем использовать аргумент лямбда в функции Transform() для выполнения любых пользовательских вычислений.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:

Как выполнить сумму GroupBy в Pandas
Как использовать Groupby и Plot в Pandas
Как посчитать уникальные значения с помощью GroupBy в Pandas