熊猫在 groupby

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

使用GroupBy.transform：

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: ...)

之后更新每个标准化列

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())