请考虑以下几点 DataFrame
在Python中。
import pandas as pd
df = pd.DataFrame({'id':[0]*3+[1]*3,'y':np.random.randn(6),'x':np.random.randn(6)})
它给出了
id y x
0 0 0.721757 1.595646
1 0 0.359601 1.128473
2 0 1.134922 2.317929
3 1 0.290152 -1.901336
4 1 0.128742 0.982683
5 1 0.556914 0.745208
请注意 y
和 x
归类为 id
. 我想创建以下内容 DataFrame
id y x y_md x_md
0 0 0.721757 1.595646 -0.017003 -0.085037
1 0 0.359601 1.128473 -0.379159 -0.552209
2 0 1.134922 2.317929 0.396162 0.637246
3 1 0.290152 -1.901336 -0.035117 -1.843521
4 1 0.128742 0.982683 -0.196527 1.040498
5 1 0.556914 0.745208 0.231644 0.803023
哪儿
y_md
包含了与该组平均值的偏差值(id
=0
& 1
)x_md
包含了与该组平均值的偏差值(id
=0
& 1
)我想到的是
df_g = df.groupby('id')
yy = pd.Series( df['y'].values - df_g['y'].mean().repeat(3).values )
xx = pd.Series( df['x'].values - df_g['x'].mean().repeat(3).values )
pd.concat([df,yy.rename('y_md'), xx.rename('x_md')],axis=1)
但我觉得不好看。我不知道是否有一个优雅的一字型或类似的效果?我将感谢您的帮助。
使用 GroupBy.transform
处理多列时,用 DataFrame.sub
,通过以下方式更改列名 DataFrame.add_suffix
补足 DataFrame.join
:
c = ['x','y']
df = df.join(df[c].sub(df.groupby('id')[c].transform('mean')).add_suffix('_md'))
print (df)
id y x x_md y_md
0 0 0.721757 1.595646 -0.085037 -0.017003
1 0 0.359601 1.128473 -0.552210 -0.379159
2 0 1.134922 2.317929 0.637246 0.396162
3 1 0.290152 -1.901336 -1.843521 -0.035117
4 1 0.128742 0.982683 1.040498 -0.196527
5 1 0.556914 0.745208 0.803023 0.231645
或者可以指定新的列名。
df[['x_md','y_md']] = df[['x','y']].sub(df.groupby('id')[['x','y']].transform('mean'))
设置 id
作为指数,按指数进行分组,并从df中减去分组的平均值。
df = df.set_index("id")
df[['y_md','x_md']] = df.sub(df.groupby("id").agg("mean"))
df
y x y_md x_md
id
0 0.721757 1.595646 -0.017003 -0.085037
0 0.359601 1.128473 -0.379159 -0.552210
0 1.134922 2.317929 0.396162 0.637246
1 0.290152 -1.901336 -0.035117 -1.843521
1 0.128742 0.982683 -0.196527 1.040498
1 0.556914 0.745208 0.231645 0.803023