熊猫变换函数作为参数

Question

抱歉读了很久，这个问题实际上比看起来要短得多。

谁能解释一下如何使用pandas.core.groupby.groupby.DataFrameGroupBy.transorm的函数类型参数？

我写了这个片段来找出哪些参数被输入到函数中：

def printer(x): print(''); print(type(x)); print(x); return x
df = pd.DataFrame({'A': [1,1,2], 'B':[3,4,5], 'C':[6,7,8]})
print('initial dataframe:', df, 'n===TRANSFORM LOG BEGIN===', sep='n')
df2 = df.groupby('A').transform(printer)
print('n===TRANSFORM LOG END===', 'final dataframe:', df2, sep='n')

输出是(分成块(

1. initial dataframe:
   A  B  C
   0  1  3  6
   1  1  4  7
   2  2  5  8
   

好的，继续

2. ===TRANSFORM LOG BEGIN===
   <class 'pandas.core.series.Series'>
   0    3
   1    4
   Name: B, dtype: int64
   

显然，我们得到了一组带有键(列A值(B列的值1.继续

3.

<class 'pandas.core.series.Series'>
0    3
1    4
Name: B, dtype: int64

??.同一Series对象传递两次。我能想象的唯一理由是有两行的列A等于1，因此对于此类行的每次出现，我们都会重新计算我们的transforming函数。看起来很奇怪，效率低下，几乎不是真的。

4.

<class 'pandas.core.series.Series'>
0    6
1    7
Name: C, dtype: int64

这类似于另一列的第 2 页

5.

<class 'pandas.core.frame.DataFrame'>
B  C
0  3  6
1  4  7

为什么没有p.3的对应物？？

6.

<class 'pandas.core.frame.DataFrame'>
B  C
2  5  8
===TRANSFORM LOG END===

这是 p.6 的对应物，但为什么没有人为 p.2 提供另一个分组键？

7.

final dataframe:
B  C
0  3  6
1  4  7
2  5  8

TLDR

除了奇怪的行为之外，主要的一点是传递的函数将Series和DataFrame对象作为参数。这是否意味着它(函数(必须尊重这两种类型？转换类型是否有任何限制，因为该函数本质上是在相同的值上调用多次的(Series，然后Dataframe由这些Series组成(，类似于reduce的操作？

Answer 1

> pandas 正在试验输入(逐个系列或整个数据帧(，看看是否可以更有效地应用该函数。文档字符串中的注释：

当前的实现对 f 提出了三个要求：

• f 必须返回一个值，该值要么与输入子帧的形状相同，要么可以广播到输入子帧的形状。 为 例如，f 返回一个标量，它将被广播为具有相同的标量 形状作为输入子框架。
• 如果这是数据帧，则 f 必须支持子帧中的逐列应用程序。如果 f 也支持应用于整个 子帧，然后使用从第二个块开始的快速路径。
• f 不得使组发生突变。不支持突变，可能会产生意外结果。

对同一函数的第二次调用也是关于找到更快的路径。您会看到与应用相同的行为：

在

当前实现中，在第一个应用调用 func 两次 列/行，以确定它是否可以采用快速或慢速代码路径。 如果 func 有副作用，这可能会导致意外行为，因为它们 将对第一列/第一行生效两次。