如何使用 df.groupby().transform() 有效地組合分組資料框？

將Groupby Dataframe 與df.groupby().transform() 結合

在處理pandas dataframe 時，通常需要對以下物件執行操作資料子集，例如對值進行分組和計算統計資料。但是，將這些操作的結果合併回原始資料幀可能會很麻煩。

要解決此挑戰，請考慮以下場景：

問題：您有一個包含兩列的資料框，「c」和「type」。您的目標是計算每個“c”的“type”值，並在資料框中新增大小為“c”的欄位。

方法 1（使用地圖）：

一種方法是使用 map() 函數，它將函數應用於 Series 中的每個值。在這種情況下，您可以將「c」的大小對應到資料框中對應的「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，但涉及多個步驟和手動索引對齊。

方法2（使用Transform）：

更直接的解決方案是使用pandas的transform()函數，它將函數應用於資料幀的每一行，傳回一個與原始索引。您可以使用轉換將“c”的大小直接添加到資料框中：

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

這種方法消除了單獨的大小計算和索引對齊的需要，從而產生更簡潔和高效的解決方案。

以上是如何使用 df.groupby().transform() 有效地組合分組資料框？的詳細內容。更多資訊請關注PHP中文網其他相關文章！