Question

假设我有一个包含person_id和mean_act列的DataFrame，其中每一行都是特定人员的数值。我想计算个人级别所有值的zscore。也就是说，我想要一个新的列mean_act_person_zscore，它仅使用该人的zscores的均值和标准（而不是整个数据集）计算为mean_act的zscore。

我的第一种方法是这样的：

person_ids = df['person_id'].unique()
for pid in person_ids:
    person_df = df[df['person_id'] == pid]
    person_df = (person_df['mean_act'] - person_df['mean_act'].mean())/person_df['mean_act'].std()

在每次迭代时，它都会计算正确的zscore输出序列，但问题在于，由于选择是通过引用而不是值，原始df最终没有mean_act_person_zscore列。

关于如何做到这一点的想法？

Answer 1

应该是直截了当的：

df['mean_act_person_zscore'] = df.groupby('person_id').mean_act.transform(lambda x: (x - x.mean()) / x.std())

计算由另一列分组的列的z_score

1 个答案: