本文共 1428 字，大约阅读时间需要 4 分钟。

python_GroupBy高级应用_transform

分组转换与“解封”GroupBy

在第10章，我们已经深入学习了Pandas的Series和DataFrame的GroupBy方法。然而，GroupBy的高级应用远不止于此。GroupBy不仅可以用于聚合数据，还可以通过transform方法对分组数据进行转换操作。

1.1 分组转换的基本概念

transform方法与apply方法类似，但有一些限制条件：

• 它可以产生与输入分组结果形状相同的标量值。
• 它可以产生与输入分组结果形状相同的对象。
• 它不能修改输入数据。

1.2 通过transform实现分组平均值计算

通常情况下，我们可以通过传递聚合函数的名称来实现转换。例如，计算每个分组的平均值：

g = df.groupby('key').value
g.transform('mean')

1.3 通过transform实现复杂的转换操作

如果需要实现更复杂的转换操作，可以使用lambda函数。例如，可以对每个分组的值进行降序排名：

g.transform(lambda x: x.rank(ascending=False))

1.4 通过transform实现自定义函数

我们也可以通过自定义函数来实现分组转换。例如，实现标准化操作：

def normalize(x):
    return (x - x.mean()) / x.std()
g.transform(normalize)

1.5 解封分组操作

解封分组操作指的是在分组基础上进行多个聚合操作。例如，可以通过以下步骤实现：

normalized = (df['value'] - g.transform('mean')) / g.transform('std')
normalized

分组的时间重采样

对于时间序列数据，resample方法可以用来进行时间重采样。以下是一个示例：

import pandas as pd
# 生成时间序列数据
times = pd.date_range('2017-05-20 00:00', freq='1min', periods=15)
df = pd.DataFrame({
    'time': times,
    'value': range(len(times))
})
# 重采样为5分钟一次
df.set_index('time').resample('5min').count()

2.1 处理多个时间序列的重采样

如果DataFrame包含多个时间序列，可以通过添加一个额外的分组键来实现：

df2 = pd.DataFrame({
    'time': times.repeat(3),
    'key': np.tile(['a', 'b', 'c'], len(times)),
    'value': range(len(times) * 3)
})
time_key = pd.TimeGrouper('5min')
resampled = (df2.set_index('time')
             .groupby(['key', time_key])
             .sum())
resampled.reset_index()

通过上述方法，我们可以轻松实现分组时间重采样的操作，从而更高效地处理时间序列数据。