Python 根据条件有效地将计算应用于数据帧?
这是我第一次使用堆栈溢出。我对编码和熊猫很陌生,所以请容忍我。我正在练习使用Python/Pandas而不是Excel操作数据,我遇到了以下问题 我正在尝试按年度标准化特定列的值。我的数据集很小,所以我采用的方法(如下所示)效果很好,但是,我相当肯定这不是完成这项任务的好方法。有没有更好的方法通过列表理解或对数据帧应用函数来实现这一点?(请注意,如果您能推荐任何其他资源来学习这些主题或示例,我们将不胜感激!) 样本数据:Python 根据条件有效地将计算应用于数据帧?,python,pandas,lambda,iteration,list-comprehension,Python,Pandas,Lambda,Iteration,List Comprehension,这是我第一次使用堆栈溢出。我对编码和熊猫很陌生,所以请容忍我。我正在练习使用Python/Pandas而不是Excel操作数据,我遇到了以下问题 我正在尝试按年度标准化特定列的值。我的数据集很小,所以我采用的方法(如下所示)效果很好,但是,我相当肯定这不是完成这项任务的好方法。有没有更好的方法通过列表理解或对数据帧应用函数来实现这一点?(请注意,如果您能推荐任何其他资源来学习这些主题或示例,我们将不胜感激!) 样本数据: IN: df = pd.DataFrame(data=[[2018,10,
IN: df = pd.DataFrame(data=[[2018,10,100,50], [2018,11,110,30], [2017,12,120,10], [2017, 15, 115, 40]], columns=['Year','c1','c2','c3'])
OUT:
Year c1 c2 c3
0 2018 10 100 50
1 2018 11 110 30
2 2017 12 120 10
3 2017 15 115 40
样本输出:
Year c1 c2 c3 c1_std c2_std
0 2018 10 100 50 -0.707107 -0.707107
1 2018 11 110 30 0.707107 0.707107
2 2017 12 120 10 0.707107 0.707107
3 2017 15 115 40 -0.707107 -0.707107
请注意,标准化输出仅适用于3列中的2列
我的做法:
standard_devs = pd.DataFrame(data=[],index=[2018,2017], columns=['c1', 'c2'])
means = pd.DataFrame(data=[],index=[2018,2017], columns=['c1', 'c2'])
for y in [2018,2017]:
for col in ['c1', 'c2']:
standard_devs.loc[y,col] = df[df['Year']==y][col].std()
means.loc[y,col] = df[df['Year']==y][col].mean()
for i in list(df.index):
for col in ['c1', 'c2']:
year = df.loc[i,'Year']
df.loc[i,col+'_std'] = (df.loc[i,col]-means.loc[year, col])/standard_devs.loc[year, col]
std
和mean
。这将按组计算适当的度量,并返回一个轴长度相同的系列df
:
for c in ['c1', 'c2']:
stds = df.groupby('Year')[c].transform('std')
means = df.groupby('Year')[c].transform('mean')
df[f'{c}_std'] = (df[c] - means) / stds
另一种方法是临时将索引设置为groupby键:
means = df.groupby('Year')[['c1', 'c2']].mean()
stds = df.groupby('Year')[['c1', 'c2']].std()
(df.join((((df.set_index('Year') - means) / stds))
.reset_index(drop=True)
.add_suffix('_std')))
[外]
请为输出添加一个示例,即您想要什么结果。迭代应该是PandasHi gtomer的最后手段,我已经添加了一些示例输出。嗨,Chris,谢谢你的回复!我应该更清楚地回答我的问题,但我不想标准化DataFrame中的每一列。在这个例子中,我只标准化了3列中的2列。此外,如果我将其应用于具有非数字列的数据帧,该解决方案会有效还是会失败,因为生成的平均值和STD数据帧的长度会不同?谢谢如果您尝试将此应用于的任何列都是非数字的,则它将失败。
Year c1 c2 c3 c1_std c2_std
0 2018 10 100 50 -0.707107 -0.707107
1 2018 11 110 30 0.707107 0.707107
2 2017 12 120 10 -0.707107 0.707107
3 2017 15 115 40 0.707107 -0.707107