我想在Type
分组的Pandas DataFrame中使用Condition
CT
中的值的平均值来规范化我的数据。
DataFrame是这样的:
df = pd.DataFrame({'Type' : ['A', 'A', 'A', 'A',
'B', 'B', 'B', 'B'],
'Condition' : ['Tx', 'CT', 'Tx', 'CT',
'Tx', 'CT', 'Tx', 'CT'],
'Var1' : np.random.randn(8),
'Var2' : np.random.randn(8)})
print(df)
Condition Type Var1 Var2 Var1_Norm Var2_Norm
0 Tx A -1.555886 -0.454512 3.290695 -1.059712
1 CT A 0.820324 0.357123 -1.734983 0.832645
2 Tx A -0.355758 0.807324 0.752426 1.882305
3 CT A -0.799936 1.005673 1.691862 2.344762
4 Tx B -0.253152 -0.585186 0.234666 6.790024
5 CT B -0.672658 0.851191 0.623540 -9.876536
6 Tx B -1.768877 -0.083506 1.639711 0.968933
7 CT B -1.620407 -0.527232 1.502083 6.117579
我知道如何通过整个群体的平均值进行标准化:
df[['Var1_Norm', 'Var2_Norm']] = df.groupby(['Type']).transform(lambda x: x/x.mean())
但是,如何通过组的子集(具有Condition == 'CT'
的行的平均值)对分组数据进行标准化?
我尝试了以下操作,结果是AttributeError
:
df[['Var1_Norm', 'Var2_Norm']] = df.groupby(['Type']).transform(lambda x: x/x[x.Condition == 'CT'].mean())
AttributeError: ("'Series' object has no attribute 'Condition'", 'occurred at index Condition')
在@ piRSquared的回答的帮助下,我找到了一个使用for循环的解决方案:
df[['Var1_Norm', 'Var2_Norm']] = df[['Var1', 'Var2']]
for t in df.Type.unique():
ct_mean = df.loc[(df.Type == t) & (df.Condition == 'CT'),['Var1_Norm', 'Var2_Norm']].mean()
df.loc[df.Type == t,['Var1_Norm', 'Var2_Norm']] = df.loc[df.Type == t,['Var1_Norm', 'Var2_Norm']].div(ct_mean)
答案 0 :(得分:1)
您可以使用apply
方法代替transform
。
groupby方法transform
传递一个系列并期望返回一个系列,而apply
传递一个数据帧并期望一个数据帧或一个系列作为回报(在更多细节here)。这将允许您检查条件,因为您可以访问函数内的相关列:
df[['Var1_Norm', 'Var2_Norm']] = df.groupby(['Type']).apply(
lambda x: x[['Var1', 'Var2']] / x.loc[x['Condition'] == 'CT', ['Var1', 'Var2']].mean())
print(df)
结果:
Condition Type Var1 Var2 Var1_Norm Var2_Norm
0 Tx A 0.285153 0.093274 0.653616 -0.281818
1 CT A 0.947555 -0.998790 2.171946 3.017739
2 Tx A -1.123067 -0.572842 -2.574246 1.730783
3 CT A -0.075015 0.336844 -0.171946 -1.017739
4 Tx B 0.126968 -1.095042 0.146513 -2.741475
5 CT B 0.441539 0.431948 0.509506 1.081396
6 Tx B -1.945165 -0.233643 -2.244588 -0.584932
7 CT B 1.291665 0.366923 1.490494 0.918604
当然,您可以将其概括为可以处理任意数量的列,甚至可以创建一个基于给定条件生成函数的函数生成器。