对组对象应用vs变换
考虑以下数据框：
ABCD 0 foo one 0.162003 0.087469 1 bar one -1.156319 -1.526272 2 foo two 0.833892 -1.666304 3 bar three -2.026673 -0.322057 4 foo two 0.411452 -0.954371 5 bar two 0.765878 -0.095968 6 foo one -0.654890 0.678091 7 foo three -1.789842 -1.130922 以下命令工作：
> df.groupby('A').apply(lambda x: (x['C'] - x['D'])) > df.groupby('A').apply(lambda x: (x['C'] - x['D']).mean())
但以下任何一项工作：
> df.groupby('A').transform(lambda x: (x['C'] - x['D'])) ValueError: could not broadcast input array from shape (5) into shape (5,3) > df.groupby('A').transform(lambda x: (x['C'] - x['D']).mean()) TypeError: cannot concatenate a non-NDFrame object
为什么？ 文档上的例子似乎表明，在一个组上调用transform允许进行按行操作处理：
# Note that the following suggests row-wise operation (x.mean is the column mean) zscore = lambda x: (x - x.mean()) / x.std() transformed = ts.groupby(key).transform(zscore)
换句话说，我认为变换本质上是一种特定types的应用（不会聚合的）。 我错在哪里？
作为参考，下面是上面的原始数据框的构build：
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'B' : ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'], 'C' : randn(8), 'D' : randn(8)})
正如我对.transform操作与.apply类似的困惑一样，我发现了几个解答这个问题的答案。 这个答案例如是非常有用的。
到目前为止，我的外卖是.transform将工作（或处理）与Series （列） 相互孤立 。 这意味着在你最近的两次电话中：
df.groupby('A').transform(lambda x: (x['C'] - x['D'])) df.groupby('A').transform(lambda x: (x['C'] - x['D']).mean())
你问。 .transform从两列中取值，而'它'实际上不能同时看到它们（可以这么说）。 transform会逐个查看dataframe列，然后返回一个len(input_column)次重复的标量序列（或一组序列）。
所以这个标量，应该被.transform用来制作Series是由于在inputSeries （一次只能在一个系列/列上）应用一些缩小function。
考虑这个例子（在你的数据框上）：
zscore = lambda x: (x - x.mean()) / x.std() # Note that it does not reference anything outside of 'x' and for transform 'x' is one column. df.groupby('A').transform(zscore)
会产生：
CD 0 0.989 0.128 1 -0.478 0.489 2 0.889 -0.589 3 -0.671 -1.150 4 0.034 -0.285 5 1.149 0.662 6 -1.404 -0.907 7 -0.509 1.653
这与您一次只能在一列上使用它完全一样：
df.groupby('A')['C'].transform(zscore)
收益：
0 0.989 1 -0.478 2 0.889 3 -0.671 4 0.034 5 1.149 6 -1.404 7 -0.509
请注意，在最后一个示例（ df.groupby('A')['C'].apply(zscore) ）中的应用程序将以完全相同的方式工作，但是如果您尝试在数据框上使用它，将会失败：
df.groupby('A').apply(zscore)
给出错误：
ValueError: operands could not be broadcast together with shapes (6,) (2,)
那么还有什么地方.transform有用吗？ 最简单的情况是试图将还原函数的结果返回给原始数据框。
df['sum_C'] = df.groupby('A')['C'].transform(sum) df.sort('A') # to clearly see the scalar ('sum') applies to the whole column of the group
收益：
ABCD sum_C 1 bar one 1.998 0.593 3.973 3 bar three 1.287 -0.639 3.973 5 bar two 0.687 -1.027 3.973 4 foo two 0.205 1.274 4.373 2 foo two 0.128 0.924 4.373 6 foo one 2.113 -0.516 4.373 7 foo three 0.657 -1.179 4.373 0 foo one 1.270 0.201 4.373
尝试与.apply相同的将.apply NaNs 。 因为.apply会返回一个缩小的Series ，它不知道如何播放：
df.groupby('A')['C'].apply(sum)
赠送：
A bar 3.973 foo 4.373
还有一些情况使用.transform来过滤数据：
df[df.groupby(['B'])['D'].transform(sum) < -1] ABCD 3 bar three 1.287 -0.639 7 foo three 0.657 -1.179
我希望这增加了一点清晰。
apply和transform之间的两个主要区别
transform和apply groupby方法有两个主要区别。
-
apply隐式地将每个组的所有列作为DataFrame传递给自定义函数，而transform将每个组的每个列作为Series传递给自定义函数 - 传递给
apply的自定义函数可以返回一个标量，或者一个Series或者DataFrame（或者numpy数组，甚至是列表）。 传递给transform的自定义函数必须返回与组相同长度的序列（一维系列，数组或列表）。
因此，一次只能transform一个系列的作品，并且一次apply整个DataFrame。
检查自定义function
它可以帮助您检查传递给apply或transform自定义函数的input。
例子
我们来创build一些示例数据并检查这些组，以便查看我在说什么：
df = pd.DataFrame({'State':['Texas', 'Texas', 'Florida', 'Florida'], 'a':[4,5,1,3], 'b':[6,10,3,11]}) df
让我们创build一个简单的自定义函数，输出隐式传递的对象的types，然后引发一个错误，以便停止执行。
def inspect(x): print(type(x)) raise
现在让我们将这个函数传递给groupby apply和transform方法，以查看传递给它的对象：
df.groupby('State').apply(inspect) <class 'pandas.core.frame.DataFrame'> <class 'pandas.core.frame.DataFrame'> RuntimeError
正如你所看到的，一个DataFrame被传入inspect函数。 您可能想知道为什么DataFrametypes打印出来了两次。 pandas跑了第一组两次。 它是这样做的，以确定是否有一个快速的方法来完成计算或不。 这是一个小的细节，你不应该担心。
现在，让我们做同样的事情与transform
df.groupby('State').transform(inspect) <class 'pandas.core.series.Series'> <class 'pandas.core.series.Series'> RuntimeError
它通过了一个系列 – 一个完全不同的pandas物体。
所以， transform只允许一次使用一个系列。 它不可能同时在两列上行动。 所以，如果我们尝试从自定义函数内部的b减去a列，我们将得到一个transform错误。 见下文：
def subtract_two(x): return x['a'] - x['b'] df.groupby('State').transform(subtract_two) KeyError: ('a', 'occurred at index a')
当pandas试图find不存在的系列索引a ，我们得到一个KeyError。 您可以通过apply完成此操作，因为它具有整个DataFrame：
df.groupby('State').apply(subtract_two) State Florida 2 -2 3 -8 Texas 0 -2 1 -5 dtype: int64
输出是一个系列，有点混乱，因为保留了原始索引，但我们可以访问所有列。
显示传递的pandas对象
它可以帮助更多的人在自定义函数中显示整个pandas对象，所以你可以看到你正在使用的是什么。 您可以使用print语句，我喜欢使用IPython.display模块中的displayfunction，以便在jupyter笔记本中将数据框良好地输出到HTML中：
from IPython.display import display def subtract_two(x): display(x) return x['a'] - x['b']
截图： 
变换必须返回与组相同尺寸的单维序列
另一个区别是transform必须返回与组相同大小的单维序列。 在这个特定的实例中，每个组都有两行，所以transform必须返回一个两行的序列。 如果没有，则会出现错误：
def return_three(x): return np.array([1, 2, 3]) df.groupby('State').transform(return_three) ValueError: transform must return a scalar value for each group
错误消息不是真正描述的问题。 您必须返回与组相同长度的序列。 所以，像这样的function将工作：
def rand_group_len(x): return np.random.rand(len(x)) df.groupby('State').transform(rand_group_len) ab 0 0.962070 0.151440 1 0.440956 0.782176 2 0.642218 0.483257 3 0.056047 0.238208
返回单个标量对象也适用于transform
如果从自定义函数中只返回一个标量，则transform将为组中的每一行使用它：
def group_sum(x): return x.sum() df.groupby('State').transform(group_sum) ab 0 9 16 1 9 16 2 4 14 3 4 14
