SAS Proc 标准和 Python 中的等效项

Question

在

SAS

中，Proc Standard允许用户将数据标准化为特定组的特定均值和标准差。 在这里，我想将每个姓氏的年龄标准化为

mean = 0

和

deviation =5

。我怎样才能在 Pandas 中做到这一点

df

？

SAS 代码：

data mydata;
input surname $ name $ age ;
datalines;
Lim John 25 
Lim David 100 
Tan Mary 50 
Tan Tom 30 ;
run;

PROC STANDARD MEAN=0 STD=5 DATA=mydata OUT=mydata11;
VAR age;
BY surname; 
 run;

SAS 输出

surname name    age
Lim John    -3.535533906
Lim David   3.5355339059
Tan Mary    3.5355339059
Tan Tom -3.535533906

Answer 1

按照 stats.stackexchange 的这个答案（将数据转换为所需平均值和标准差），我们可以定义一个函数来执行此操作：

def standard(x, mean, std):
    x_std = mean + (x-x.mean()) * std/x.std()
    return x_std

现在我们可以将它作为 lambda 函数应用于 df：

df = pd.DataFrame({'surname': ['Lim', 'Lim', 'Tan', 'Tan'],
                   'name':    ['John', 'David', 'Mary', 'Tom'],
                   'age':     [25, 100, 50, 30]
                  }
                 )

df_std = df.groupby('surname')['age'].apply(lambda x: standard(x, 0, 5))

surname   
Lim      0   -3.535534
         1    3.535534
Tan      2    3.535534
         3   -3.535534

我们可以确认这一点：

df_std.groupby('surname').mean() # Should be 0
df_std.groupby('surname').std()  # Should be 5