1. apply與transform

首先講一下apply() 與transform()的相同點與不同點

相同點：

都能針對dataframe完成特征的計算，并且常常與groupby()方法一起使用。

不同點：

apply()里面可以跟自定義的函數，包括簡單的求和函數以及復雜的特征間的差值函數等（注：apply不能直接使用agg()方法 / transform()中的python內置函數，例如sum、max、min、'count‘等方法）

transform() 里面不能跟自定義的特征交互函數，因為transform是真針對每一元素（即每一列特征操作）進行計算，也就是說在使用 transform() 方法時，需要記得三點：

1、它只能對每一列進行計算，所以在groupby()之后，.transform()之前是要指定要操作的列，這點也與apply有很大的不同。

2、由于是只能對每一列計算，所以方法的通用性相比apply()就局限了很多，例如只能求列的最大/最小/均值/方差/分箱等操作

3、transform還有什么用呢?最簡單的情況是試圖將函數的結果分配回原始的dataframe。也就是說返回的shape是（len(df)，1）。注：如果與groupby()方法聯合使用，需要對值進行去重

2. 各方法耗時

分別計算在同樣簡單需求下各組合方法的計算時長

2.1 transform() 方法+自定義函數

2.2 transform() 方法+python內置方法

2.3 apply() 方法+自定義函數

2.4 agg() 方法+自定義函數