问题描述
给定一个熊猫数据框,例如
import pandas as pd
df = pd.DataFrame({'id': ['id1','id1','id2','id2'],'x': [1,2,3,4],'y': [10,20,30,40]})
每个数值列都可以归一化为单位区间 [0,1]
与
columns = ['x','y']
for column in columns:
df[column] = (df[column] - df[column].min()) / (df[column].max() - df[column].min())
导致
id x y
0 id1 0.000000 0.000000
1 id1 0.333333 0.333333
2 id2 0.666667 0.666667
3 id2 1.000000 1.000000
但是,如何对每个 id
的每个数字列应用这种规范化?预期结果将在这个过于简单的例子中
id x y
0 id1 0.000000 0.000000
1 id1 1.000000 1.000000
2 id2 0.000000 0.000000
3 id2 1.000000 1.000000
事实证明不清楚如何在之后更新每个标准化列
df.groupby(['id']).apply(lambda x: ...)
解决方法
columns = ['x','y']
g = df.groupby('id')[columns]
df[columns] = (df[columns] - g.transform('min')) / (g.transform('max') - g.transform('min'))
print (df)
id x y
0 id1 0.0 0.0
1 id1 1.0 1.0
2 id2 0.0 0.0
3 id2 1.0 1.0
,
事实证明不清楚如何在 df.groupby(['id']).apply(lambda x: ...)
您可以再次apply
:
df.groupby(["id"])\
.apply(lambda id_df: id_df[columns]\
.apply(lambda serie: (serie - serie.min()) / (serie.max() - serie.min())))
,
可能不是最好的方法,但如果你的数据框不是很大,那么这样做:
for column in columns:
for id in list_of_IDs:
df.loc[df.loc[id] == i,column] = (df.loc[df.loc[id] == i,column] - df.loc[df.loc[id] == i,column].min()) / df.loc[df.loc[id] == i,column].max() - df.loc[df.loc[id] == i,column].min())