Pandas transform() 和 apply() 两种方法的使用和区别

在本文中，我们将介绍 Pandas 中的 transform() 和 apply() 两种方法的使用和区别。这两种方法都可以应用于 DataFrame 和 Series 对象，但在使用时有些微小的差别。

阅读更多：Pandas 教程

transform()

transform() 方法是一个非常方便的方法，可以用于 DataFrame 和 Series 对象中。它可以将一个函数或一个转换器作用于每个元素，并返回一个新的 Series 或 DataFrame 对象。

下面是一个示例，从数据集中计算每个元素和所在列的均值的差值：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6],
                   'C': [7, 8, 9]})

df2 = df.transform(lambda x: x - x.mean())
print(df2)

输出结果如下：

     A    B    C
0 -1.0 -1.0 -1.0
1  0.0  0.0  0.0
2  1.0  1.0  1.0

transform() 方法会将每个元素减去所在列的均值，得到新的 DataFrame 对象。

apply()

apply() 方法也可以用于 DataFrame 和 Series 对象，不同的是，它可以将一个函数作用于整个 DataFrame 或 Series 对象的每一行或每一列，并返回一个新的 Series 或 DataFrame 对象。

下面是一个示例，应用 apply() 方法计算每一行的和并返回一个新的 Series 对象：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6],
                   'C': [7, 8, 9]})

df2 = df.apply(lambda x: x.sum(), axis=1)
print(df2)

输出结果如下：

0    12
1    15
2    18
dtype: int64

apply() 方法会将传入的函数作用于 DataFrame 对象的每一行，并返回一个新的 Series 对象。在实际使用中，axis 参数可以指定应用函数的方向，即按行还是按列。

transform() vs apply()

两种方法在使用时都可以产生相同的结果，但区别在于 transform() 方法可以对每个元素进行处理，而 apply() 方法则是对整行或整列进行处理。

transform() 方法经常用于对数据进行标准化，而 apply() 方法则经常用于在整个 DataFrame 中进行计算。在一些需要对数据进行复杂处理的情况下，一般采用 apply() 方法，而在一些需要对数据进行简单处理的情况下，可以采用 transform() 方法。

另外，apply() 方法在某些情况下比 transform() 方法更快。因此，在处理大型数据集时，应优先考虑使用 apply() 方法。

总结

在本文中，我们介绍了 Pandas 中的 transform() 和 apply() 两种方法的使用和区别。这两种方法都可以应用于 DataFrame 和 Series 对象，但应用场景略有不同。在使用时，根据实际情况选用适当的方法能够提高代码的效率。