Python 分组a数据帧并按组计算标准化标准偏差?
我有一个数据框,看起来像这样:Python 分组a数据帧并按组计算标准化标准偏差?,python,pandas,Python,Pandas,我有一个数据框,看起来像这样: product cost_per_quantity 12779 0101010G0BB 160.788357 12653 0101010G0BC 179.493956 10390 0101010I0AA 0.425916 20361 0101010I0AA 0.603650 22504 0101010I0AA 0.633082 创建时使用
product cost_per_quantity
12779 0101010G0BB 160.788357
12653 0101010G0BC 179.493956
10390 0101010I0AA 0.425916
20361 0101010I0AA 0.603650
22504 0101010I0AA 0.633082
创建时使用:
df = pd.DataFrame({ 'product': ['0101010G0BB', '0101010G0BC', '0101010I0AA', '0101010I0AA', '0101010I0AA'], 'cost_per_quantity': [160.788357, 179.493956, 0.425916, 0.603650, 0.633082]})
现在,我想找出每件数量的成本变化最大的产品
例如,我想检查产品0101010I0AA
,找出三个条目中每单位数量成本的标准偏差,然后将其与其他产品的标准偏差进行比较
最好的方法是什么?我试过:
df1 = df.groupby('product').agg(np.std)
但这只是给了我一堆NaN
s.对于聚合df.groupby('product')。agg(np.std)
是正确的,但对于1-观察组,这返回NaN
,因为无法计算1-观察组的样本标准偏差。标准偏差的Numpy默认值是总体标准偏差,但我猜熊猫会覆盖它
您可以使用总体标准偏差得到这些组的0
如果您想查看相对于平均值的相对偏差,可以使用:
既然np.std
在lambda函数中,它的行为与预期一样。@ayhan谢谢!我认为这是在恢复原始的s.d.,而不是正常化的s.d.,你知道我该如何恢复正常化的s.d。?
df.groupby('product').apply(lambda x: np.std(x) / np.mean(x))