transform() trong pandas: so mỗi dòng với nhóm của nó
Bài 5/13 · Chương 5
GroupBy, map và apply
- 7 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 12
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:
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: int64Kết 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:
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: float64Đơn 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:
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 -160000.0Trung 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:
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 1526Một 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
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?24810
Trong khung bẫy, vì sao cột
tong_cntoànNaN?- Vì
sum()bỏ qua cột chữchi_nhanh - Vì index của kết quả
sum()là tên chi nhánh, không khớp index0đến4của bảng - Vì cột mới phải tạo bằng
assign()
- Vì
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")
Trong ví dụ tỉ trọng của năm đơn, tỉ trọng của các đơn Huế cộng lại bằng bao nhiêu?
0.330.381.03.0
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_congvà 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.
import pandas as pd
def chenh_gio(cham_cong):
pass # Viết thân hàm thay cho dòng nàyTóm 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()saugroupby()vào cột mới cho toànNaN, vì index không khớp.Cần mỗi nhóm một dòng thì dùng
agg(); cần mỗi dòng mang số của nhóm thì dùngtransform().
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
Dữ liệu của bài
- Tải xuống
don_hang.csv
CSV · 109.5 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
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.