transform per feature a livello di gruppo
Riportare le statistiche dei gruppi alle righe.
transform per feature a livello di gruppo è una lezione Data Science Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Data Science Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Data Science Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
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. 🚀
Domande Frequenti
La lezione «transform per feature a livello di gruppo» è gratuita?
Sì — il testo completo di «transform per feature a livello di gruppo» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Data Science Academy, passa a CoddyKit PRO. Il corso Data Science Academy include 4 lezioni in totale.
Cosa imparerò in «transform per feature a livello di gruppo»?
Riportare le statistiche dei gruppi alle righe. Eserciti Data Science Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Data Science Academy?
Non è richiesta alcuna esperienza precedente. Data Science Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «transform per feature a livello di gruppo»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Data Science Academy?
Sì. Ogni lezione Data Science Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Split-Apply-Combine spiegato
- Aggregazioni multiple con agg
- Raggruppare per più chiavi
- transform per feature a livello di gruppo