Python Pandas groupby：计算（相对）大小并保存在原始数据帧中

我的数据库结构是这样的：我有属于多个组的单元，并且有不同的变量（对于这个问题，我关注的是一个X）。然后我们有基于年份的记录。所以数据库看起来像

    unitid, groupid, year, X
0        1        1, 1990, 5
1        2        1, 1990, 2
2        2        1, 1991, 3
3        3        2, 1990, 10

year groupid
1961    2000    4
        2030    3
        2040    1
        2221    1
        2300    2

等等，现在我想做的是测量一些“强度”变量，即每组和每年的单位数量，我想把它放回数据库

到目前为止，我正在做

asd = df.drop_duplicates(cols=['unitid', 'year'])
groups = asd.groupby(['year', 'groupid'])
intensity = groups.size()

然后强度看起来像

    unitid, groupid, year, X
0        1        1, 1990, 5
1        2        1, 1990, 2
2        2        1, 1991, 3
3        3        2, 1990, 10

year groupid
1961    2000    4
        2030    3
        2040    1
        2221    1
        2300    2

但是，我不知道如何将它们放回旧的数据帧中。我可以通过

intensity[0]

访问它们，但是

intensity.loc（）

给出了LocIndexer不可调用的错误

第二，如果我能测量强度，那将是非常好的。而不是“集团年单位数”，而是“集团年单位数，按该年集团年平均/最大单位数缩放”。如果{t，g}表示组年单元，则为：

也就是说，如果我的简单强度变量（用于时间和组）称为强度（t，g），我想创建

相对强度（t，g）=强度（t，g）/mean（强度（t=t，g=：）

——如果这个伪代码有助于我弄清楚

谢谢

更新

为了便于阅读，请（明确地）将答案放在这里。第一部分由

intensity = intensity.reset_index()
df['intensity'] = intensity[0]

是的。您可以通过对结果数据帧调用

.reset\u index（）

来重置索引。或者，您可以在计算分组操作时禁用它，方法是将

指定为
groupby（）
，例如：

intensity = asd.groupby(["year", "groupid"], as_index=False).size()

至于你的第二个问题，我不知道你在
中的意思是什么，而不是“每个组年的单位”，而是“每个组年的单位，按当年每个组年的平均/最大单位进行缩放”。
。如果要通过
强度/平均值（强度）
计算“强度”，可以使用
变换
方法，如：

asd.groupby(["year", "groupid"])["X"].transform(lambda x: x/mean(x))

这就是你要找的吗

更新
如果要计算强度/平均（强度）

，其中

mean（强度）

仅基于

year

而非

year/groupid

子集，则首先必须仅基于

year

创建

平均（强度）

，如：

intensity["mean_intensity_only_by_year"] = intensity.groupby(["year"])["X"].transform(mean)

然后计算所有

year/groupid

子集的

强度/平均值（强度）

，其中

平均值（强度）

仅从

year

子集得出：

intensity["relativeIntensity"] = intensity.groupby(["year", "groupid"]).apply(lambda x: pd.DataFrame(
                        {"relativeIntensity": x["X"] / x["mean_intensity_only_by_year"] }
                    ))

---

也许这就是你想要的，对吧？

事实上，几天后，我发现这个双重问题的第一个答案是错误的。也许有人可以详细说明

.size（）

实际上做了什么，但这只是为了防止有人用谷歌搜索这个问题时没有走错我的路

结果是

.size（）

的行数比原始对象少得多（如果我使用

reset\u index（）

，尽管我试图将大小堆叠回原始对象，但仍有许多行保留了

NaN

groups = asd.groupby(['year', 'groupid'])
intensity = groups.apply(lambda x: len(x))
asd.set_index(['year', 'groupid'], inplace=True)
asd['intensity'] = intensity

或者，我们也可以这样做

groups = asd.groupby(['fyearq' , 'sic'])
# change index to save groupby-results
asd= asd.set_index(['fyearq', 'sic'])
asd['competition'] = groups.size()

我的问题的第二部分是通过

# relativeSize
def computeMeanInt(group):
    group = group.reset_index()
    # every group has exactly one weight in the mean:
    sectors = group.drop_duplicates(cols=['group'])
    n = len(sectors)
    val = sum(sectors.competition)
    return float(val) / n


result = asd.groupby(level=0).apply(computeMeanInt)
asd= asd.reset_index().set_index('fyearq')
asd['meanIntensity'] = result
# if you don't reset index, everything crashes (too intensive, bug, whatever)
asd.reset_index(inplace=True)
asd['relativeIntensity'] = asd['intensity']/asd['meanIntensity']

---

在我消化第一部分之前，快速反馈到第二部分：几乎。我想要平均值（x），但不是整个数据集的平均值（x），而是同一年数据的平均值（x）。

mean（x）

是基于组而不是整个数据集计算的。因此在本例中，每个

mean（x）

是根据每个

year/groupid

子集计算的。或者你可能只想根据

year

来计算，而不是只根据

year/groupid

组合？year来计算。这应该是关于“强度”的，就像问题的第一部分一样。我刚刚注意到了这一点（更紧急）问题，我其实不需要介绍X-这有帮助吗？更新。至于“强度”，我只是知道它是关于物理的，但我对它知之甚少或一无所知。。。