什么是传递给系列的转换功能？

Question

我正在使用transform的Series功能，但有些让我困惑的事情。

我搜索了熊猫的文档并用Google搜索，但找不到答案。

当我使用np.sum时，结果是：

s = Series(range(7))
s.transform(lambda x:x + np.sum(x))

0     2
1     4
2     6
3     8
4    10
5    12
6    14
Name: A, dtype: int64

所以，我认为x是Series的元素。但是当我使用x.sum时，结果是：

s.transform(lambda x:x + x.sum())

0    29
1    30
2    31
3    32
4    33
5    34
6    35
Name: A, dtype: int64

x看起来像一个系列。当s是一个数据帧时，它将得到相同的结果。 我很迷惑。谁能帮我回答我的问题，非常感谢。

Answer 1

我读了源代码。我发现transform函数依赖于aggregate函数。它将首先尝试常规应用：

def aggregate(self, func, axis=0, *args, **kwargs):
    # Validate the axis parameter
    self._get_axis_number(axis)
    result, how = self._aggregate(func, *args, **kwargs)
    if result is None:

        # we can be called from an inner function which
        # passes this meta-data
        kwargs.pop('_axis', None)
        kwargs.pop('_level', None)

        # try a regular apply, this evaluates lambdas
        # row-by-row; however if the lambda is expected a Series
        # expression, e.g.: lambda x: x-x.quantile(0.25)
        # this will fail, so we can try a vectorized evaluation

        # we cannot FIRST try the vectorized evaluation, because
        # then .agg and .apply would have different semantics if the
        # operation is actually defined on the Series, e.g. str
        try:
            result = self.apply(func, *args, **kwargs)
        except (ValueError, AttributeError, TypeError):
            result = func(self, *args, **kwargs)

    return result

所以，首先它会将标量传递给用户定义的函数。 transform函数将调用s.apply(lambda x: x + x.sum())，它将引发AttributeError，然后它将整个系列传递给用户定义的函数。例如：

def func(x):
    print(type(x))
    print(x)
    return x + x.sum()

s.transform(func)

<class 'int'>
1
<class 'pandas.core.series.Series'>
0    1
1    2
2    3
3    4
4    5
5    6
6    7
Name: A, dtype: int64

0    29
1    30
2    31
3    32
4    33
5    34
6    35
Name: A, dtype: int64