Series.transform和Series.apply之间有什么区别？

Question

我正在尝试掌握transform和apply熊猫方法之间的区别。 This的答案很有帮助。第一个主要区别仅适用于从DataFrameGroupBy对象调用transform的情况，因此它丝毫不影响来自Series的调用。第二个主要区别是transform执行检查以确保方法的输出长度与其输入长度匹配。因此，我尝试提出一个测试案例，其中我从Seires调用这些方法，并且apply成功执行，而transform由于长度差异而失败。我最终得到的是这样：

  

some_series.apply（lambda x：pd.Series（[1,2]））

     

some_series.transform（lambda x：pd.Series（[1,2]））

令我惊讶的是，他们两个都以完全相同的方式成功地创建了一个包含两列的DataFrame。如果transform使用len()函数检查长度，那是有道理的，因为len()返回行数，并且不会改变。但是接下来我很难解决行数可能发生变化的任何情况，因为transform/apply进行的函数调用的次数似乎由原始行数决定系列，无论函数调用返回什么确切信息。

问题是，从Series对象调用时，transform和apply方法的行为是否完全不同？如果没有，似乎只应使用apply，因为它更快。

Answer 1

我以posting this question on pandas GitHub结尾。事实证明，这两种方法的行为毕竟可以不同。具体来说，Series.apply()始终将单个单元格作为函数参数传递，而Series.transform()在某些情况下可将整个Series作为函数参数传递。我仍然不确定如何应用此属性，因为通过转换可以对整个Series进行的任何操作都可以直接在该Series上进行。我唯一的猜测是较短的更简洁的代码，但是不能肯定地说。