1. import pandas as pd
    3. df = pd.DataFrame({
    4.     "x": ['a', 'b', 'a', 'a', 'b'],
    5.     "y": [1, 2, 3, 2, 1],
    6.     "z": [3, 1, 5, 1, 7],
    7. })
    9. # transform依旧依赖于groupby
    10. print(df.groupby(by=["x"], as_index=False).agg("sum"))
    11. """
    12.    x  y  z
    13. 0  a  6  9
    14. 1  b  3  8
    15. """
    16. print(df.groupby(by=["x"], as_index=False).transform("sum"))
    17. """
    18.    y  z
    19. 0  6  9
    20. 1  3  8
    21. 2  6  9
    22. 3  6  9
    23. 4  3  8
    24. """
    1. # 我们看到如果是groupby后面直接通过agg进行聚合的话，那么行的数量会变少，因为聚合了嘛。而且by指定的列就不会有重复了
    2. # 但如果是通过transform的话，那么行是不会减少的，原来是多少行结果还是多少行，并且自动把by指定的列给去掉了。
    3. # 可以这么理解，我们用普通的聚合作为比喻：
    4. """
    5. 如果是agg("sum")的话，by="x"这一列只有a和b，说明原来的"x"这个列只有a和b两种数据。可能数量很多，但种类只有a和b两种
    7. 聚合之后，a对应y中的6，对应z中的9
    8. 那么transform("sum")就相当于把原来x列中所有元素为a的，对应的y中的元素全部换成6，对应的z中的元素全部换成9
    10. 聚合之后，b对应y中的3，对应z中的8
    11. 那么transform("sum")就相当于把原来x列中所有元素为b的，对应的y中的元素全部换成3，对应的z中的元素全部换成8
    13. 可能逻辑有点不好说，那么再来举个例子
    15. x y
    16. a 2
    17. b 1
    18. a 3
    20. agg("sum"):
    21.     x y 
    22.     a 5
    23.     b 1
    24. transform("sum")
    25.     y
    26.     5
    27.     1
    28.     5
    30. 因为聚合之后，a对应5，b对应1
    31. 那么就把原来a对应的y中的元素全部换成5，b对应的y中元素全部换成1
    32. """
    34. # 如果想要指定某些列该怎么办呢？显然和刚才介绍的一样
    1. print(df.groupby(by=["x"], as_index=False)[["y"]].transform("sum"))
    2. """
    3.    y
    4. 0  6
    5. 1  3
    6. 2  6
    7. 3  6
    8. 4  3
    9. """
    10. # 并且如果我们使用transform之后还需要by后面指定的列、这里是"x"，那么直接手动添加即可，因为顺序是不变的，假设transform之后的结果赋值给变量trans，那么直接通过trans["x"] = df["x"]就行了。
    11. # 到此结束了，可以看到transform的操作就没有agg那么丰富了