← 返回列表

4.3.3-分组后的数据转换.md

4.3.3 分组后的数据转换（问答库）

  1. 【单选题·易】用 groupby() 分组后做数据转换，课程采用的实现方法是？ A. agg 方法 B. merge() 方法 C. transform() 函数 D. concat() 方法 答案：C 解析： 语料明确：分组后的数据转换由 transform() 函数实现。agg 用于聚合汇总，merge/concat 属于合并和连接。
  2. 【单选题·易】调用 transform() 时，课程给出的参数类型是？ A. 字典，列标签是键、操作名是值 B. 操作名字符串 C. 分组的列标签 D. 行标签列表 答案：B 解析： 课程说明：transform() 的参数是操作名字符串，示例为 'mean'。字典参数属于上一节 agg 的写法。
  3. 【判断题·易】用 groupby() 对数据进行分组后，还可以通过数据转换来修改或生成新的数据。 答案：√ 解析： 这是 4.3.3 对分组后数据转换的定义。实现上使用 transform() 函数。
  4. 【判断题·易】transform() 将操作应用到每一个分组，转换后返回一个序列。 答案：√ 解析： 语料对功能的表述就是：将操作应用到每一个分组，转换后返回一个序列。
  5. 【多选题·中】关于 transform() 的说法，正确的有： A. 参数是操作名字符串 B. 转换后返回一个序列 C. 每个分组数据在转换后会被应用回原始数据框的相应位置 D. 结果以分组键为行索引，每个组只保留一行 答案：ABC 解析： A、B、C 均来自本节语料。D 描述的是上一节 agg 的结果形态，不是 transform()。
  6. 【单选题·中】执行下列代码，行标签 0 对应的值最接近哪一项？
from pandas import DataFrame
df = DataFrame({
    '姓名': ['赵四', '钱多', '孙冰', '李萌', '周金', '吴达', '郑华', '王军'],
    '分区': ['天河', '黄埔', '越秀', '黄埔', '天河', '天河', '黄埔', '越秀'],
    '一季度': [2572, 2845, 2100, 4483, 4109, 2435, 4663, 4839],
    '二季度': [3291, 3161, 3371, 3810, 2322, 4863, 1831, 1214],
    '三季度': [4388, 3723, 3901, 1070, 3056, 1576, 1451, 3639],
    '四季度': [2672, 3663, 3024, 2312, 4066, 1934, 3456, 2649]
})
group = df.groupby('分区')
print(group['四季度'].transform('mean'))

A. 2890.666667（天河区四季度平均值） B. 3143.666667（黄埔区四季度平均值） C. 2836.500000（越秀区四季度平均值） D. 2672（赵四本人的四季度业绩） 答案：A 解析： 标签 0 是赵四，属于天河。transform('mean') 把该区四季度均值填回原位置，不是填个人原始值。天河三人四季度为 2672、4066、1934，均值约 2890.666667。

  1. 【单选题·中】沿用上题中的转换结果，标签 0、4、5 的值相同，原因是？ A. 这三人四季度的原始业绩本来就相同 B. 他们都属于天河，transform() 把该区四季度平均值应用回原始数据框的相应位置 C. 行标签被重建为从 0 开始的连续编号，所以前几行必然相等 D. 这三人一季度的平均值相同，与四季度无关 答案：B 解析： 语料说明：标签 0、4、5 对应的值为四季度天河区的平均值。三人原始四季度分别为 2672、4066、1934，并不相同；行标签仍是原数据框的 0、4、5，并未重建。
  2. 【多选题·中】沿用第 6 题的数据与代码，下列哪些行标签对应黄埔区四季度平均值 3143.666667？ A. 1（钱多） B. 2（孙冰） C. 3（李萌） D. 6（郑华） 答案：ACD 解析： 黄埔组为钱多、李萌、郑华，行标签 1、3、6。孙冰（标签 2）属于越秀，对应 2836.5。
  3. 【判断题·中】transform() 与 agg 效果相同，都会把每个组压成一行汇总。 答案：× 解析： agg 把每个组压缩成一行（结果以分区为行索引）。transform() 把操作应用到每一组后对齐回原始各行，返回与原数据框等长的序列。
  4. 【单选题·难】执行下列代码后，王军（行标签 7）对应的转换值是多少？计算依据是什么？
from pandas import DataFrame
df = DataFrame({
    '姓名': ['赵四', '钱多', '孙冰', '李萌', '周金', '吴达', '郑华', '王军'],
    '分区': ['天河', '黄埔', '越秀', '黄埔', '天河', '天河', '黄埔', '越秀'],
    '一季度': [2572, 2845, 2100, 4483, 4109, 2435, 4663, 4839],
    '二季度': [3291, 3161, 3371, 3810, 2322, 4863, 1831, 1214],
    '三季度': [4388, 3723, 3901, 1070, 3056, 1576, 1451, 3639],
    '四季度': [2672, 3663, 3024, 2312, 4066, 1934, 3456, 2649]
})
group = df.groupby('分区')
s = group['四季度'].transform('mean')
print(s[7])

A. 2649，即王军本人的四季度业绩 B. 2836.5，即越秀两人四季度 (3024+2649)/2 的平均值 C. 2890.666667，即天河区四季度平均值 D. 3143.666667，即黄埔区四季度平均值 答案：B 解析： 王军属于越秀，越秀还有孙冰。两人四季度为 3024、2649，均值 2836.5。transform 填回的是组均值，不是个人原始值。标签 2 与标签 7 同为 2836.5。

  1. 【简答题·中】请写出完整可运行代码：创建与课程相同的业绩数据框 df，按「分区」分组，对「四季度」做 transform('mean')，并说明行标签 0、4、5 的值代表什么。 答案：
from pandas import DataFrame
df = DataFrame({
    '姓名': ['赵四', '钱多', '孙冰', '李萌', '周金', '吴达', '郑华', '王军'],
    '分区': ['天河', '黄埔', '越秀', '黄埔', '天河', '天河', '黄埔', '越秀'],
    '一季度': [2572, 2845, 2100, 4483, 4109, 2435, 4663, 4839],
    '二季度': [3291, 3161, 3371, 3810, 2322, 4863, 1831, 1214],
    '三季度': [4388, 3723, 3901, 1070, 3056, 1576, 1451, 3639],
    '四季度': [2672, 3663, 3024, 2312, 4066, 1934, 3456, 2649]
})
group = df.groupby('分区')
print(group['四季度'].transform('mean'))

标签 0、4、5 对应赵四、周金、吴达，三人都属于天河，因此这三个位置上的值都是天河区四季度的平均值 2890.666667。 解析： 评分要点：① 用课程示例创建数据框；② groupby('分区') 得到分组对象；③ 按列调用 group['四季度'].transform('mean')，参数为操作名字符串；④ 能说明 0、4、5 是天河组均值填回原位置。漏写取列或把 transform 写成 agg 不得满分。

  1. 【简答题·难】结合下列代码，回答四个问题：（1）transform('mean') 与 agg({'四季度':'mean'}) 在结果形状上有何不同？（2）为什么标签 0、4、5 的值相同，而三人四季度原始值并不相同？（3）黄埔三人四季度原始值各是多少，组均值如何算出？（4）仅执行 transform 会不会改写原数据框 df？
from pandas import DataFrame
df = DataFrame({
    '姓名': ['赵四', '钱多', '孙冰', '李萌', '周金', '吴达', '郑华', '王军'],
    '分区': ['天河', '黄埔', '越秀', '黄埔', '天河', '天河', '黄埔', '越秀'],
    '一季度': [2572, 2845, 2100, 4483, 4109, 2435, 4663, 4839],
    '二季度': [3291, 3161, 3371, 3810, 2322, 4863, 1831, 1214],
    '三季度': [4388, 3723, 3901, 1070, 3056, 1576, 1451, 3639],
    '四季度': [2672, 3663, 3024, 2312, 4066, 1934, 3456, 2649]
})
group = df.groupby('分区')
print(group['四季度'].transform('mean'))
print(group.agg({'四季度': 'mean'}))

答案： （1）transform 返回长度为 8 的序列，行标签仍为 0～7，与原数据框对齐；agg 返回以「分区」为行索引的汇总表，只有天河、越秀、黄埔三行。 （2）标签 0、4、5 是天河三人（赵四、周金、吴达）。transform 把该组四季度均值应用回原始数据框的相应位置，所以这三行得到同一个组均值，而不是各自的原始业绩。 （3）黄埔为钱多 3663、李萌 2312、郑华 3456。均值 (3663+2312+3456)/3=3143.666…，对应标签 1、3、6。 （4）不会。transform 返回新序列，不就地修改 df；要作为新列保存需要赋值。 解析： 评分要点：① 能对比「等长序列 vs 每组一行」；② 点明「应用回原始相应位置」；③ 黄埔三人原始值与 3143.666667 计算正确；④ 说明需赋值才写入数据框。四点答全给满分。

下载此文件