先来看一个实例问题。python
以下销售数据中展示了三笔订单，每笔订单买了多种商品，求每种商品销售额占该笔订单总金额的比例。例如第一条数据的最终结果为：235.83 / (235.83+232.32+107.97) = 40.93%。web
后台回复“transform”获取本文所有代码和pdf版本。api
思路一：
常规的解法是，先用对订单id分组，求出每笔订单的总金额，再将源数据和获得的总金额进行“关联”。最后把相应的两列相除便可。相应的代码以下：微信
1.对订单id分组，求每笔订单总额。因为有三个order，所以最终会产生三条记录表示三个总金额。app
2.数据关联合并ide
为了使每行都出现相应order的总金额，须要使用“左关联”。咱们使用源数据在左，聚合后的总金额数据在右(反过来也可)。不指定链接key，则会自动查找相应的关联字段。因为是多行对一行的关联，关联上的就会将总金额重复显示屡次，恰好符合咱们后面计算的须要。结果如上图所示。
函数
3.计算占比学习
有了前面的基础，就能够进行最终计算了：直接用商品金额ext_price除以订单总额sum_price。并赋值给新的列pct便可。url
4.格式调整
为了美观，能够将小数形式转换为百分比形式，自定义函数便可实现。
思路二：
对于上面的过程，pandas中的transform函数提供了更简洁的实现方式，以下所示：
能够看到，这种方法把前面的第一步和第二步合成了一步，直接获得了sum_price列。这就是transform的核心：做用于groupby以后的每一个组的全部数据。能够参考下面的示意图帮助理解：
后面的步骤和前面一致。
这种方法在须要对多列分组的时候一样适用。
多列分组使用transform
为演示效果，咱们虚构了以下数据，id，name，cls为维度列。
咱们想求：以(id,name,cls)为分组，每组stu的数量占各组总stu的比例。使用transform处理以下：
一样再次计算占比和格式化，获得最终结果：
总结transform的用法
transform函数的官方文档签名为：DataFrame.transform(func,axis=0,*args,**kwargs)，表示调用func函数进行转换，返回转换后的值，且返回值与原来的数据在相同的轴上具备相同的长度。func能够是函数，字符串，列表或字典。具体能够参考官方文档：
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.transform.html#pandas.DataFrame.transform。
transform既能够和groupby一块儿使用，也能够单独使用。
1.单独使用
此时，在某些状况下能够实现和apply函数相似的结果。
2.与groupby一块儿使用
此时，transform函数返回与原数据同样数量的行，并将函数的结果分配回原始的dataframe。也就是说返回的shape是（len(df)，1）。本文开头的例子就是这样。而apply函数返回聚合后的行数。例如：
transform和apply的另外一个区别是，apply函数能够同时做用于多列，而transform不能够。下面用例子说明：
上图中的例子，定义了处理两列差的函数，在groupby以后分别调用apply和transform，transform并不能执行。若是不采用groupby，直接调用，也会有问题，参见下面的第二种调用方式。
第三种调用调用方式修改了函数，transform依然不能执行。以上三种调用apply的方式处理两列的差，换成transform都会报错。
利用transform填充缺失值
transform另外一个比较突出的做用是用于填充缺失值。举例以下：
在上面的示例数据中，按照name能够分为三组，每组都有缺失值。用平均值填充是一种处理缺失值常见的方式。此处咱们可使用transform对每一组按照组内的平均值填充缺失值。
小结：
transform函数常常与groupby一块儿使用，并将返回的数据从新分配到每一个组去。利用这一点能够方便求占比和填充缺失值。但须要注意，相比于apply，它的局限在于只能处理单列的数据。
后台回复“transform”获取本文所有代码和pdf版本。
Reference:
https://www.codenong.com/19966018/
https://www.cnblogs.com/junge-mike/p/12761227.html
https://blog.csdn.net/qq_40587575/article/details/81204514
https://pbpython.com/pandas_transform.html
以清净心看世界；
用欢喜心过生活。
超哥的杂货铺，你值得拥有~
长按二维码关注咱们
推荐阅读
本文分享自微信公众号 - 超哥的杂货铺（gh_a624b94bfdab）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。