Pandas DataFrame上特定于组的计算

问题描述

我想知道从以下DataFrame价格中减去特定于品牌的平均价格的最优雅/最蟒蛇的方法是什么。

换句话说，我要创建第二个列，该列等于Apple产品的原始价格减去1200，并等于Lenovo产品的原始价格减去700。

  public static function sendToDifferentApp($message,$headings,$tags,$data){

   $contents = array(
       "en" => $message
   );

   $params = array(
       'app_id' => env('ONESIGNAL_SECOND_APP_ID'),'contents' => $contents,'filters' => $tags,'api_key' => env('ONESIGNAL_SECOND_APP_REST_API_KEY'),);

   if (isset($data)) {
       $params['data'] = $data;
   }

   if(isset($headings)){
       $params['headings'] = array(
           "en" => $headings
       );
   }

   OneSignal::sendNotificationCustom($params);

在此先感谢您的帮助！

解决方法

您可以从价格中减去均值分组，以创建一个名为Price_Diff_Mean的新列。使用.transform('mean')为列price创建一系列长度相同的值，并从price中减去这些值：

df['Price_Diff_Mean'] = df['price'] - df.groupby('brand')['price'].transform('mean')
df
Out[6]: 
       product   brand  price  Price_Diff_Mean
0      macbook   Apple   1000             -200
1  macbook air   Apple   1200                0
2  macbook pro   Apple   1400              200
3    thinkbook  Lenovo    600             -100
4     thinkpad  Lenovo    800              100

或者，您可以在.assign中添加一列，这将为您提供相同的结果：

df = df.assign(Price_Diff_Mean = df['price'] - df.groupby('brand')['price'].transform('mean'))

,

在我看来，这是一种更为优雅的方式：

df['newcolumn'] = df.groupby('brand').transform(lambda x: x - x.mean())