Pandas教程-Pandas DataFrame.transform

我们可以将Pandas DataFrame定义为一个二维的、大小可变的、异构的带有一些标记轴（行和列）的表格数据结构。执行算术运算将对齐行和列标签。它可以被视为Series对象的类似字典的容器。

Pandas DataFrame.transform() 函数的主要任务是生成一个具有其转换值的DataFrame，其轴长度与自身相同。

语法：

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

参数：

func：用于转换数据的函数。

axis：指的是0或'index'，1或'columns'，默认值为0。

*args：要传递给func的位置参数。

**kwargs：要传递给func的关键字参数。

返回值：

返回的DataFrame必须具有与自身相同的长度。

示例1： 使用DataFrame.transform()函数将数据框中的每个元素加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()函数找到数据框中每个元素的平方根和euler数的结果。

# 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