Jak działa pandas transform w języku Python? Przykład zastosowania

Pracując z biblioteką pandas w Pythonie, często spotykam się z sytuacją, w której muszę przekształcić dane w ramach konkretnej grupy lub kolumny. Jednym z narzędzi, które mi to umożliwia, jest metoda transform(). W tym artykule omówię, jak działa pandas.transform(), do czego się przydaje oraz pokażę przykłady zastosowania.

Co to jest pandas.transform()?

Metoda transform() pozwala stosować funkcje transformacyjne do każdej grupy lub kolumny w DataFrame lub Series. W przeciwieństwie do apply(), która może zwracać obiekty o różnych kształtach, transform() zawsze zwraca obiekt o tej samej liczbie elementów co oryginał. To kluczowa cecha, ponieważ umożliwia łatwe zachowanie struktury zbioru danych.

Podstawowa składnia

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

• func – funkcja lub lista funkcji do zastosowania.
• axis – określa, czy operacja ma dotyczyć wierszy (0) czy kolumn (1).
• *args – dodatkowe argumenty przekazywane do funkcji.
• **kwargs – dodatkowe argumenty nazwane.

Przykład zastosowania: normalizacja wartości w grupach

Załóżmy, że mamy zbiór danych przedstawiający sprzedaż w różnych regionach. Chcemy przekształcić kolumnę Sprzedaż, normalizując wartości wewnątrz każdej grupy.

import pandas as pd

# Tworzymy przykładowy DataFrame
df = pd.DataFrame({
    'Region': ['A', 'A', 'A', 'B', 'B', 'B'],
    'Sprzedaż': [100, 200, 150, 300, 250, 400]
})

# Normalizujemy sprzedaż w każdym regionie
df['Sprzedaż_Znormalizowana'] = df.groupby('Region')['Sprzedaż'].transform(lambda x: (x - x.mean()) / x.std())

print(df)

Otrzymamy wynik podobny do:

Region	Sprzedaż	Sprzedaż_Znormalizowana
A	100	-1.224745
A	200	1.224745
A	150	0.000000
B	300	0.000000
B	250	-1.000000
B	400	1.000000

Różnica między transform() a apply()

Metoda apply() pozwala na stosowanie przekształceń do grup danych, ale w przeciwieństwie do transform(), wynik może mieć inną liczbę elementów niż oryginalny zbiór danych. Zobaczmy prosty przykład:

df.groupby('Region')['Sprzedaż'].apply(lambda x: x.mean())

Wynikiem będzie seria z wartością średniej dla każdego regionu. Z kolei transform() zwraca obiekt o tej samej liczbie elementów co wejściowy DataFrame, co ułatwia integrację tych wartości do oryginalnych danych.

Przydatne zastosowania transform()

Metoda transform() sprawdza się w wielu scenariuszach, takich jak:

1. Normalizacja i standaryzacja wartości w grupach.
2. Obliczanie średnich czy median w obrębie grup i przypisywanie ich do oryginalnych danych.
3. Tworzenie nowych cech (feature engineering) w uczeniu maszynowym.

Podsumowanie

Metoda pandas.transform() to świetne narzędzie do przekształcania danych bez zmiany ich struktury. Jest niezwykle przydatna w analizie danych i uczeniu maszynowym, zwłaszcza kiedy chcemy stosować operacje na grupach, ale jednocześnie zachować pierwotny kształt zbioru. Mam nadzieję, że ten artykuł pomógł Ci lepiej zrozumieć, jak działa transform() w języku Python oraz w jakich sytuacjach warto go używać.

 

Inny ciekawy artykuł:

Jak działa pandas map w języku Python? Przykład zastosowania