transform do tworzenia cech grupowych
Przenoszenie statystyk grup z powrotem do wierszy
transform do tworzenia cech grupowych to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.
agg zmniejsza, transform zachowuje
Podczas gdy agg zwraca jeden wiersz na grupę, transform zwraca wartość dla każdego pierwotnego wiersza, zachowując długość danych wejściowych.
Dlaczego to ważne
Ponieważ transform zachowuje pierwotny kształt danych, jego wynik można od razu dodać do DataFrame jako nową kolumnę.
df["city_avg"] = df.groupby("city")["sales"].transform("mean")Rozpropagowanie statystyki grupy
Każdy wiersz otrzymuje własną statystykę grupy, więc każdy wiersz dotyczący Paryża dostaje średnią dla Paryża, z zachowaniem prawidłowego dopasowania.
Tworzenie cechy względem grupy
Odjęcie średniej grupy pokazuje, jak bardzo każdy wiersz odbiega od swojej średniej grupy — to przydatna cecha dla modelu.
df["diff"] = df["sales"] - df.groupby("city")["sales"].transform("mean")Normalizacja wewnątrz grup
Podzielenie przez sumę grupy zamienia surowe liczności na udział w grupie, który pozwala uczciwie porównywać grupy.
df["share"] = df["sales"] / df.groupby("city")["sales"].transform("sum")Uzupełnianie braków średnimi grup
Praktyczny sposób imputacji: braki można zastąpić średnią odpowiedniej grupy wiersza zamiast jedną globalną wartością. 🧩
df["sales"] = df.groupby("city")["sales"].transform(lambda s: s.fillna(s.mean()))Używanie ciągów znaków lub funkcji
Podobnie jak agg, transform przyjmuje nazwę funkcji, na przykład "mean", albo własny obiekt wywoływalny zwracający wynik o takim samym kształcie.
g.transform("sum")Zachowuje indeks wierszy
Wynik zachowuje pierwotny indeks, dlatego przypisanie go z powrotem jako kolumny zapewnia idealne dopasowanie.
Ranking wewnątrz każdej grupy
Połączenie transform z funkcją rank pozwala ocenić każdy wiersz na tle jego grupy, co świetnie sprawdza się przy wybieraniu N najlepszych elementów z każdej grupy.
df["rk"] = df.groupby("city")["sales"].rank(ascending=False)transform a apply
Proszę wybrać transform, gdy wynik musi mieć taką samą długość jak dane wejściowe; po apply należy sięgać tylko wtedy, gdy potrzebna jest pełna elastyczność.
Częsta pułapka
Funkcja musi zwracać wynik o takiej samej długości jak grupa, w przeciwnym razie transform zgłasza błąd zamiast zgadywać.
Szybkie sprawdzenie
Co odróżnia transform od agg?
Podsumowanie: cechy pasujące z powrotem
Mogą już Państwo obliczać cechy zależne od grupy, które zachowują pierwotny kształt danych — idealne do normalizacji, imputacji i tworzenia rankingów. 🚀
Ucz się Python dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 30
- Lekcje
- 120
Często zadawane pytania
Czy lekcja „transform do tworzenia cech grupowych” jest bezpłatna?
Tak — pełny tekst „transform do tworzenia cech grupowych” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „transform do tworzenia cech grupowych”?
Przenoszenie statystyk grup z powrotem do wierszy Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?
Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.
Ile czasu zajmuje lekcja „transform do tworzenia cech grupowych”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?
Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Wyjaśnienie modelu Split-Apply-Combine
- Wiele agregacji za pomocą agg
- Grupowanie według kilku kluczy
- transform do tworzenia cech grupowych