python的transform的基本操作

在 Python 中，transform 操作通常用于数据处理、特征工程等领域。下面是几个常见的 transform 操作：

1. map：对序列中的每个元素应用一个函数，并返回一个新的序列。

lst = [1, 2, 3, 4, 5]
new_lst = map(lambda x: x*2, lst)
print(list(new_lst))  # [2, 4, 6, 8, 10]

2. apply：对 DataFrame 的某个列应用一个函数，并返回一个新的列。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
new_col = df['A'].apply(lambda x: x*2)
df['C'] = new_col
print(df)

# Output:
#    A  B  C
# 0  1  4  2
# 1  2  5  4
# 2  3  6  6

3. transform：对 DataFrame 的某个列应用一个函数，并返回一个新的序列，长度与原序列相同。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
new_col = df['A'].transform(lambda x: x*2)
df['C'] = new_col
print(df)

# Output:
#    A  B  C
# 0  1  4  2
# 1  2  5  4
# 2  3  6  6

4. groupby：对 DataFrame 中的某些列进行分组，并应用一个函数。

import pandas as pd

df = pd.DataFrame({'A': [1, 1, 2, 2], 'B': [3, 4, 5, 6]})
grouped = df.groupby('A')
new_col = grouped['B'].transform(lambda x: x.mean())
df['C'] = new_col
print(df)

# Output:
#    A  B    C
# 0  1  3  3.5
# 1  1  4  3.5
# 2  2  5  5.5
# 3  2  6  5.5

以上是一些常见的 transform 操作，还有其他的操作可以根据具体需求进行查找和使用。