Bỏ qua đến nội dung chính
Mục lục

transform() trong pandas: so mỗi dòng với nhóm của nó

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/13 · Chương 5

GroupBy, map và apply

  • 7 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Phương thức transform() của pandas tính một con số cho mỗi nhóm rồi trả nó về từng dòng của nhóm, nên kết quả dài đúng bằng bảng gốc. Với pandas transform, mỗi dòng có được con số của nhóm mình đứng ngay cạnh, nên bạn tính được những thứ như phần một đơn đóng góp vào doanh thu kênh, hay đơn đó lệch khỏi mức trung bình của kênh bao xa.

Cần biết trước: groupby(), agg() và thêm cột.

transform() trả kết quả về từng dòng

sum() sau groupby() rút mỗi nhóm về một dòng. transform("sum") tính cùng các tổng đó, nhưng đặt tổng của nhóm vào từng dòng thuộc nhóm:

python
import pandas as pd

ban = pd.DataFrame({
    "chi_nhanh": ["Huế", "Đà Lạt", "Huế", "Đà Lạt", "Huế"],
    "doanh_thu": [450000, 380000, 510000, 220000, 240000],
})
theo_cn = ban.groupby("chi_nhanh")["doanh_thu"]
print(theo_cn.sum())
print(theo_cn.transform("sum"))

KẾT QUẢ

chi_nhanh
Huế       1200000
Đà Lạt     600000
Name: doanh_thu, dtype: int64
0    1200000
1     600000
2    1200000
3     600000
4    1200000
Name: doanh_thu, dtype: int64

Kết quả đầu có hai dòng, index là tên chi nhánh. Kết quả sau có năm dòng, index 0 đến 4 giống bảng ban: dòng 0 là đơn của Huế nên mang tổng của Huế, dòng 1 của Đà Lạt mang tổng Đà Lạt. Hình dung transform() như việc chép tổng của mỗi tổ vào cạnh tên từng thành viên tổ đó. Tên hàm trong dấu nháy là các hàm bạn đã dùng với agg(), như "sum", "mean", "max", "count".

Tỉ trọng của mỗi dòng trong nhóm

Vì kết quả của transform() thẳng hàng với bảng gốc, bạn chia cột gốc cho nó được ngay. Phép chia cho tỉ trọng của từng đơn trong doanh thu chi nhánh:

python
import pandas as pd

ban = pd.DataFrame({
    "chi_nhanh": ["Huế", "Đà Lạt", "Huế", "Đà Lạt", "Huế"],
    "doanh_thu": [450000, 380000, 510000, 220000, 240000],
})
tong = ban.groupby("chi_nhanh")["doanh_thu"].transform("sum")
ban["ti_trong"] = (ban["doanh_thu"] / tong).round(2)
print(ban)
print(ban.groupby("chi_nhanh")["ti_trong"].sum())

KẾT QUẢ

  chi_nhanh  doanh_thu  ti_trong
0       Huế     450000      0.38
1    Đà Lạt     380000      0.63
2       Huế     510000      0.42
3    Đà Lạt     220000      0.37
4       Huế     240000      0.20
chi_nhanh
Huế       1.0
Đà Lạt    1.0
Name: ti_trong, dtype: float64

Đơn 380000 chiếm 63% doanh thu Đà Lạt. Dòng in cuối là phép kiểm tra nhanh: tỉ trọng trong mỗi nhóm cộng lại bằng 1.0. Nếu tổng khác 1, nhiều khả năng bạn đã chia cho tổng của cả bảng thay vì tổng của nhóm.

Chênh lệch so với trung bình nhóm

Cùng cách làm, thay "sum" bằng "mean" rồi lấy hiệu cho biết mỗi đơn cao hay thấp hơn mức thường gặp của chi nhánh bao nhiêu:

python
import pandas as pd

ban = pd.DataFrame({
    "chi_nhanh": ["Huế", "Đà Lạt", "Huế", "Đà Lạt", "Huế"],
    "doanh_thu": [450000, 380000, 510000, 220000, 240000],
})
tb = ban.groupby("chi_nhanh")["doanh_thu"].transform("mean")
ban["chenh"] = ban["doanh_thu"] - tb
print(ban)

KẾT QUẢ

  chi_nhanh  doanh_thu     chenh
0       Huế     450000   50000.0
1    Đà Lạt     380000   80000.0
2       Huế     510000  110000.0
3    Đà Lạt     220000  -80000.0
4       Huế     240000 -160000.0

Trung bình của Huế là 400.000 đ, của Đà Lạt là 300.000 đ. Đơn 380000 của Đà Lạt cao hơn trung bình 80.000 đ, đơn 240000 của Huế thấp hơn 160.000 đ. Cột chenh là số thực vì trung bình là số thực. So với trung bình cả bảng thì đơn 380000 trông bình thường; so với chi nhánh của nó, đây là đơn lớn.

Tỉ trọng mỗi đơn trong kênh trên file đơn hàng

Trên don_hang.csv của bộ dữ liệu thực hành, tỉ trọng theo phần trăm cho biết đơn nào chiếm phần lớn nhất doanh thu kênh của nó:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
don["doanh_thu"] = don["so_luong"] * don["don_gia"]
tong = don.groupby("kenh")["doanh_thu"].transform("sum")
don["ti_trong"] = don["doanh_thu"] / tong * 100
cot = ["ma_don", "kenh", "doanh_thu", "ti_trong"]
print(don.nlargest(4, "ti_trong")[cot].round(2))
print(len(don), len(tong))

KẾT QUẢ

      ma_don         kenh  doanh_thu  ti_trong
75   DH00076  Mạng xã hội    1400000      7.25
972  DH00973     Cửa hàng    1800000      5.67
861  DH00862  Mạng xã hội    1000000      5.18
118  DH00119  Mạng xã hội     900000      4.66
1526 1526

Một đơn 1400000 chiếm hơn 7% doanh thu kênh Mạng xã hội, vì kênh này nhỏ. Đơn 2800000 của Website lớn hơn hẳn về tiền nhưng không vào danh sách, vì Website có doanh thu lớn. Dòng in cuối cho hai số bằng nhau: transform() giữ nguyên số dòng. Đổi "sum" thành "max" rồi chạy lại: cột ti_trong in 100.0 ở cả bốn dòng, mỗi dòng là đơn lớn nhất của một kênh.

Kiểm tra nhanh

  1. Sau import pandas as pd, len(pd.DataFrame({"n": ["a", "b", "a", "a"], "x": [1, 2, 3, 4]}).groupby("n")["x"].transform("sum")) cho kết quả gì?

    • 2
    • 4
    • 8
    • 10
  2. Trong khung bẫy, vì sao cột tong_cn toàn NaN?

    • Vì sum() bỏ qua cột chữ chi_nhanh
    • Vì index của kết quả sum() là tên chi nhánh, không khớp index 0 đến 4 của bảng
    • Vì cột mới phải tạo bằng assign()
  3. Những lệnh nào cho Series dài bằng ban, mỗi dòng là doanh thu trừ trung bình chi nhánh của nó?

    • ban["doanh_thu"] - ban.groupby("chi_nhanh")["doanh_thu"].transform("mean")
    • ban["doanh_thu"] - ban.groupby("chi_nhanh")["doanh_thu"].mean()
    • ban["doanh_thu"] - ban["doanh_thu"].mean()
    • ban["doanh_thu"] - ban.groupby("chi_nhanh")["doanh_thu"].transform("sum") / ban.groupby("chi_nhanh")["doanh_thu"].transform("count")
  4. Trong ví dụ tỉ trọng của năm đơn, tỉ trọng của các đơn Huế cộng lại bằng bao nhiêu?

    • 0.33
    • 0.38
    • 1.0
    • 3.0
Đúng hết lần đầu +15 XP

Bài tập

Giờ làm thêm so với trung bình đội

Bảng cham_cong của một kho hàng có ba cột: doi, nhan_vien và gio (số giờ làm thêm trong tháng). Viết thân hàm chenh_gio(cham_cong): với mỗi dòng, lấy gio trừ số giờ trung bình của đội người đó.

  • Kết quả dài bằng cham_cong và giữ đúng index của bảng.

  • Số dương là làm nhiều hơn trung bình đội, số âm là ít hơn.

Hàm không sửa bảng cham_cong của nơi gọi.

Trả về: chênh lệch giờ của từng người so với đội, một Series.

python
import pandas as pd

def chenh_gio(cham_cong):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • groupby("a")["x"].transform("sum") trả tổng của nhóm về từng dòng; kết quả dài bằng bảng gốc, giữ index gốc.

  • Tỉ trọng trong nhóm là x / transform("sum"); tỉ trọng mỗi nhóm cộng lại bằng 1.

  • Chênh lệch so với trung bình nhóm là x - transform("mean").

  • Gán kết quả sum() sau groupby() vào cột mới cho toàn NaN, vì index không khớp.

  • Cần mỗi nhóm một dòng thì dùng agg(); cần mỗi dòng mang số của nhóm thì dùng transform().

Câu hỏi thường gặp

pandas groupby transform khác agg ở đâu?

agg() rút mỗi nhóm về một dòng, hợp cho bảng báo cáo. transform() giữ nguyên số dòng, đặt con số của nhóm cạnh từng dòng, hợp để tính cột mới như tỉ trọng. Bài agg() có các hàm tổng hợp dùng chung cho cả hai.

transform() nhận lambda được không?

Được, ví dụ transform(lambda s: s - s.mean()) cho chênh lệch trong một bước. Hàm nhận Series của từng nhóm. Tên hàm dạng chuỗi như "mean" chạy nhanh hơn lambda trên bảng lớn, nên ưu tiên chuỗi khi có sẵn.

Có cách nào khác transform() để đưa trung bình nhóm về từng dòng?

Tính tb = df.groupby("a")["x"].mean() rồi tra theo nhóm bằng df["a"].map(tb). Cách này cho cùng kết quả và dùng map(), phương thức bạn sẽ học ở bài map() và replace().

Muốn đánh số thứ tự từng dòng trong nhóm thì dùng transform() được không?

Xếp hạng trong nhóm có phương thức riêng là rank(), gọi sau groupby(). Bài rank() và top N mỗi nhóm dạy cách xếp hạng và lấy vài dòng đầu của mỗi nhóm.

Chủ đề

pandas transform

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập