Python 3.x 基于现有列中的唯一文本值创建新的Z分数列

系统：O365

IDE:JupyterLab

语言：Python版本3.7.3

库：熊猫1.0.1版

数据源：个人制作

Http API文档：

您好，我想知道是否有人知道如何使用列范围内的条件设置返回值。例如，我希望在看到下一组值后，根据变化范围内的相似值返回z分数

已采取步骤：

# get data
df0 = pd.read_csv('data/erpservicedesk.csv')
df0.columns

# put z-score into a lamda
zscore = lambda x: (x - x.mean()) / x.std()

# build datafram with the important features
df1 = df0[['Incident ID*+', 'Res.Prod.Cat.TierII', 'Res.Op.Cat.TierIII', 'Mean-Time-Tckt-Close']]

df1.insert(4,'ZofMTTC',df1.groupby(['Res.Prod.Cat.TierII', 'Res.Op.Cat.TierIII'])['Mean-Time-Tckt-Close'].transform(zscore))

df2 = df1.sort_values(by=['Res.Prod.Cat.TierII'])
df2.head(100)

构建了下面的函数，它似乎已经完成了一半，但还没有完成

代码：

# get data
df0 = pd.read_csv('data/erpservicedesk.csv')
df0.columns

# put z-score into a lamda
zscore = lambda x: (x - x.mean()) / x.std()

# build datafram with the important features
df1 = df0[['Incident ID*+', 'Res.Prod.Cat.TierII', 'Res.Op.Cat.TierIII', 'Mean-Time-Tckt-Close']]

df1.insert(4,'ZofMTTC',df1.groupby(['Res.Prod.Cat.TierII', 'Res.Op.Cat.TierIII'])['Mean-Time-Tckt-Close'].transform(zscore))

df2 = df1.sort_values(by=['Res.Prod.Cat.TierII'])
df2.head(100)

问题

我的lambda函数似乎不是基于新列值的条件函数，因为它似乎对整个数据帧采用“平均时间Tckt Close”，而不是“Res.Prod.Cat.TierII”的每个新实例

示例

A B C
Bob Store 10
Bob Store 11
Bob Store 8
Alfred Store 12
Alfred Store 9

---

我需要一个新的D列来根据Bob和Alfred各自的数据反映Z分数。

使用您的示例，您可以使用

.groupby

创建dfs来存储平均值和标准偏差，然后在lambda函数中访问这些值：

import pandas as pd

## recreate example df
df = pd.DataFrame({'A':['Bob']*3+['Alfred']*2, 'B':['Store']*5, 'C':[10,11,8,12,9]})

df_mean =  df.groupby('A').mean()
df_std =  df.groupby('A').std()

## apply the function along each row, using axis=1
df['D'] = df.apply(lambda x: (x['C'] - df_mean.loc[x['A']]) / df_std.loc[x['A']], axis=1)

输出：

>>> df
        A      B   C         D
0     Bob  Store  10  0.218218
1     Bob  Store  11  0.872872
2     Bob  Store   8 -1.091089
3  Alfred  Store  12  0.707107
4  Alfred  Store   9 -0.707107

---

这种方法效果很好。但是，我注意到，在尝试将列添加到数据帧切片时，出现了如下错误：“试图在数据帧切片的副本上设置一个值。请尝试改用.loc[row\u indexer，col\u indexer]=value”你明白为什么会这样吗？我阅读了文档，看起来熊猫队希望你要么添加到原始数据帧上，要么创建一个全新的数据帧。当你使用数据帧切片时，会发生这种情况，但你是否要修改原始df的切片是不明确的，当您使用链式赋值时会发生这种情况。例如：

df[df['some_column']==10]['some_other_column']=1000

将抛出该错误。