transform für gruppenbasierte Merkmale
Gruppenstatistiken wieder an Zeilen ausrichten
transform für gruppenbasierte Merkmale ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
agg Shrinks, transform Keeps
Where agg returns one row per group, transform returns a value for every original row, same length as the input.
Why That Matters
Because transform keeps the original shape, you can drop its result straight back into your DataFrame as a new column.
df["city_avg"] = df.groupby("city")["sales"].transform("mean")Broadcast a Group Stat
Each row receives its own group statistic, so every Paris row gets the Paris average, neatly aligned.
Build a Group-Relative Feature
Subtract the group mean to see how far each row sits from its group average, a powerful model feature.
df["diff"] = df["sales"] - df.groupby("city")["sales"].transform("mean")Normalize Within Groups
Divide by a group total to turn raw counts into a within-group share that compares fairly across groups.
df["share"] = df["sales"] / df.groupby("city")["sales"].transform("sum")Fill Missing With Group Means
A clean imputation trick: replace gaps using each row group mean instead of one global number. 🧩
df["sales"] = df.groupby("city")["sales"].transform(lambda s: s.fillna(s.mean()))Use Strings or Functions
Like agg, transform accepts a function name such as "mean" or your own callable returning a like-shaped result.
g.transform("sum")It Preserves the Row Index
The output keeps the original index, which is why assigning it back as a column lines up perfectly.
Rank Within Each Group
Combine transform with rank to score each row against its group, great for top-N-per-group logic.
df["rk"] = df.groupby("city")["sales"].rank(ascending=False)transform vs apply
Choose transform when output must match input length; reach for apply only when you need full flexibility.
A Common Pitfall
Your function must return a result the same length as the group, or transform raises an error instead of guessing.
Quick Check
What makes transform different from agg?
Recap: Features That Fit Right Back
You can now compute group-wise features that keep the original shape, perfect for normalizing, imputing, and ranking. 🚀
Häufig gestellte Fragen
Ist die Lektion „transform für gruppenbasierte Merkmale“ kostenlos?
Ja — der vollständige Text von „transform für gruppenbasierte Merkmale“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „transform für gruppenbasierte Merkmale“?
Gruppenstatistiken wieder an Zeilen ausrichten Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Data Science Academy zu starten?
Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „transform für gruppenbasierte Merkmale“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?
Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Split-Apply-Combine erklärt
- Mehrere Aggregationen mit agg
- Nach mehreren Schlüsseln gruppieren
- transform für gruppenbasierte Merkmale