个性化阅读
专注于IT技术分析

Pandas DataFrame.transform用法详解

我们可以将Pandas DataFrame定义为带有一些标记轴(行和列)的二维大小可变的异构表格数据结构。执行算术运算将使行和列标签对齐。可以将其视为Series对象的类似dict的容器。

Pandas DataFrame.transform()函数的主要任务是自行生成具有其转换后的值的DataFrame, 并且它具有与self相同的轴长。

句法:

DataFrame.transform(func, axis=0, *args, **kwargs)

参数:

func:它是用于转换数据的功能。

axis:表示0或’索引’, 1或’列’, 默认值为0。

* args:这是一个位置参数, 将传递给函数。

** kwargs:这是一个关键字参数, 将被传递给函数。

返回值:

它返回必须与self长度相同的DataFrame。

示例1:使用DataFrame.transform()函数向数据框中的每个元素添加10。

# importing pandas as pd
importpandas as pd
  
# Creating the DataFrame
info =pd.DataFrame({"P":[8, 2, 9, None, 3], "Q":[4, 14, 12, 22, None], "R":[2, 5, 7, 16, 13], "S":[16, 10, None, 19, 18]})  
  
# Create the index 
index_ =['A_Row', 'B_Row', 'C_Row', 'D_Row', 'E_Row'] 
  
# Set the index 
info.index =index_ 
  
# Print the DataFrame
print(info)

输出

P       Q        R       S
A_Row 8.0      4.0      2.0    16.0
B_Row  2.0     14.0    5.0     10.0
C_Row  9.0     12.0    7.0     NaN
D_RowNaN   22.0    16.0   19.0
E_Row  3.0NaN    13.0   18.0

示例2:使用DataFrame.transform()函数查找平方根, 并将欧拉数的结果提高到数据框的每个元素。

# importing pandas as pd
importpandas as pd
  
# Creating the DataFrame
info =pd.DataFrame({"P":[8, 2, 9, None, 3], "Q":[4, 14, 12, 22, None], "R":[2, 5, 7, 16, 13], "S":[16, 10, None, 19, 18]})  
  
# Create the index 
index_ =['A_Row', 'B_Row', 'C_Row', 'D_Row', 'E_Row'] 
  
# Set the index 
info.index =index_ 
  
# Print the DataFrame
print(info)

输出

P       Q       R       S
A_Row  88.0     14.0    12.0    16.0
B_Row  12.0     14.0    15.0     10.0
C_Row  19.0     22.0    17.0     NaN
D_RowNaN     21.0    16.0    19.0
E_Row  13.0NaN    13.0   18.0

赞(0) 打赏
未经允许不得转载:srcmini » Pandas DataFrame.transform用法详解
分享到: 更多 (0)

评论 抢沙发

评论前必须登录!

 

觉得文章有用就打赏一下文章作者

微信扫一扫打赏