Question

我有一个数据框，其中行由化学元素类型索引，而列表示不同的样本。值是浮点数，表示每个样本中行元素的存在程度。

我想计算每一行的平均值，并从该特定行中的每个值中减去它以规范化数据，并为该数据集创建一个新的数据帧。

我尝试使用mean（1），它给了我一个具有每个化学元素均值的Series对象，这很好，但后来我尝试使用减法，这不起作用。

Answer 1

您可以使用DataFrame的sub方法并指定减法应按行（axis=0）进行，而不是默认的逐列行为：

df.sub(df.mean(axis=1), axis=0)

以下是一个例子：

>>> df = pd.DataFrame({'a': [1.5, 2.5], 'b': [0.25, 2.75], 'c': [1.25, 0.75]})
>>> df
     a     b     c
0  1.5  0.25  1.25
1  2.5  2.75  0.75

每行的平均值很容易计算：

>>> df.mean(axis=1)
0    1
1    2
dtype: float64

要取消平均DataFrame的行，只需从df中减去行的平均值，如下所示：

>>> df.sub(df.mean(axis=1), axis=0)
     a     b     c
0  0.5 -0.75  0.25
1  0.5  0.75 -1.25

Answer 2

除了@ ajcr的优秀答案之外，您可能还需要考虑重新安排数据的存储方式。

目前您在不同列中使用不同样本的方式，如果您使用的是电子表格，则表示它的表示方式，但这可能不是表示数据最有用的方式

通常，每列代表关于单个真实世界实体的唯一信息。这种数据的典型例子是一个人：

id  name  hair_colour  Age
1   Bob   Brown        25

实际上，您的不同样本不同的真实世界实体。

因此，我建议使用两级索引来描述每条信息。这样可以更方便地操作您想要的数据。

因此：

>>> df = pd.DataFrame([['Sn',1,2,3],['Pb',2,4,6]],
                      columns=['element', 'A', 'B', 'C']).set_index('element')
>>> df.columns.name = 'sample'
>>> df # This is how your DataFrame looks at the moment
sample   A  B  C
element         
Sn       1  2  3
Pb       2  4  6
>>> # Now make those columns into a second level of index
>>> df = df.stack()
>>> df
element  sample
Sn       A         1
         B         2
         C         3
Pb       A         2
         B         4
         C         6

我们现在可以使用groupby的所有美味功能：

>>> demean = lambda x: x - x.mean()
>>> df.groupby(level='element').transform(demean)
element  sample
Sn       A        -1
         B         0
         C         1
Pb       A        -2
         B         0
         C         2

当您以这种方式查看数据时，您会发现许多曾经是多列DataFrames的用例实际上是MultiIndexed Series，并且您有很多更多地掌握数据的表示和转换方式。

熊猫：从行中的每个元素中减去行均值

2 个答案: