简介：Pandas曾经是我的数据分析的主要工具，即使在许多情况下，也是目前的首选。作为Python的三剑手之一，Pandas以其丰富的API而闻名。个体也经常被各种表演手术陶醉，无法解释自己（有些人很重）。我发现，我发现了早期阶段被忽略的功能。在仔细的探索下，我发现有一些有用的功能。此功能是 - 转换。
变换是熊猫中的一个函数，可用于系列和数据框架，并且可以与GroupBy一起使用dataFrameGroupby对象，因此本文主要介绍转换的两个主要功能：
首先查看官方文档介绍转换：
从函数的签名中可以看出，转换主要包括两个指定的参数func和axis，其中func是接收处理函数，可以是函数对象，函数名称字符串，函数列表，字典函数等。轴是一个起作用的轴。另一个*args和** kwargs用于接收接收func函数的可变参数和字典参数。
在熊猫的早期推文中，这三个功能我没想到会成为我的数据处理的主要力量，该功能的重点是申请，映射和applymap.map.map+applymap tosees：其中，地图是一个元素- 仅用于串联对象的级别转换。ApplionMap只能用于仅用于数据帧对象的元素级别转换，但是所有功能都必须通过相同的函数处理。这是限制的。
那么，转换呢？它不仅可以满足地图和应用程序的某些需求，还可以根据其基础提供更丰富的操作。
需要执行数值列A和两个操作的索引（即使用转换来获取串联对象的两个 - 列数据框）。明显地
此外，不仅需要列A列的执行索引和数字计算，还需要托盘列B的字典格式的长度计算。
在上面的示例中，未声明轴参数。目前，默认轴= 0，即，传输函数是扮演角色。LET以另一个示例为例，然后尝试轴= 1：
在此示例中，通过传递轴= 1的参数，可以实现不同功能的不同功能的处理效果，并且此处的功能包括三种传递字符串形式，函数对象和lambda表达式的形式。
实际上，转换实现MAP或Applipmap的效果的效果是否比两者的功能更定制。
转换可用于组对象。这是我在学习转变中的作用。您知道在熊猫的Groupby中使用这些用法吗？文章中实际上有一个介绍，因此在此简要提及。
大熊猫实现了常用的聚集统计。通常，GroupBy用于直接添加聚合物函数或通过AGG通过多个聚合函数。它也可以通过GroupBy+Apply实施。但是，这三个实现具有共同的特征：也就是说，GroupBy之后的行数（反映为行数减少），这也是“行数减少），这也是”，这也是”“从通常的意义上讲”，在某些情况下，实际上没有必要汇总，例如，给定以下数据示例：
有必要计算每个ID的每个ID的比例。如果需要以3个步骤实施常规汇总统计的想法：
同样，如果您巧妙地使用转换，则可以进入一步：
这是非常酷的，正确！
原始：https：//juejin.cn/post/7100138819785064461