对数据帧进行分组并按组计算标准化标准差？

Question

我有一个如下所示的数据框：

           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：

df = pd.DataFrame({ 'product': ['0101010G0BB', '0101010G0BC', '0101010I0AA', '0101010I0AA', '0101010I0AA'], 'cost_per_quantity': [160.788357, 179.493956, 0.425916, 0.603650, 0.633082]})

现在我想找到cost_per_quantity中变化最大的产品。

例如，我想检查产品0101010I0AA，并在其三个条目中找到cost_per_quantity的标准化标准偏差，然后将其与其他产品的标准化标准偏差进行比较

最好的方法是什么？我试过了：

df1 = df.groupby('product').agg(np.std)

但这只是给了我一堆NaN s。

Answer 1

对于聚合df.groupby('product').agg(np.std)是正确的，但对于1个观察组，这将返回NaN，因为无法为1个观察组计算样本标准偏差。标准偏差的Numpy默认值是人口标准差，但我猜Pandas是最重要的。

您可以使用人口标准差来获得这些组的0。

如果您想查看相对于均值的相对偏差，可以使用coefficient of variation：

df.groupby('product').apply(lambda x: np.std(x) / np.mean(x))

现在np.std处于lambda函数中，它的行为符合预期。