Question

我有一个这样的数据框：

import numpy as np
import pandas as pd

df = pd.DataFrame({'year': [1990,1990,1992,1992,1992],
                  'value': [100,200,300,400,np.nan],
                  'rank': [2,1,2,1,3]})
print(df)
   year  value  rank
0  1990  100.0     2
1  1990  200.0     1
2  1992  300.0     2
3  1992  400.0     1
4  1992    NaN     3

我正在努力实现这一目标：

# For year 1990, maximum value is 200, rank is 1 and also relative value is 1.

   year  value  rank  value_relative
0  1990  100.0     2  0.5
1  1990  200.0     1  1
2  1992  300.0     2  0.75
3  1992  400.0     1  1
4  1992    NaN     3  NaN

我的尝试

df['value_relative'] = df.groupby('year')['value'].transform(lambda x: x/x[x.rank == 1]['value'])

如何计算每年的相对价值？

Answer 1

IIUC在transform之后使用first和sort_values

df['value_relative']=df.value/df.sort_values('rank').groupby('year').value.transform('first')
df
Out[60]: 
   year  value  rank  value_relative
0  1990  100.0     2            0.50
1  1990  200.0     1            1.00
2  1992  300.0     2            0.75
3  1992  400.0     1            1.00
4  1992    NaN     3             NaN

或者只是transform max

df['value_relative']=df.value/df.groupby('year').value.transform('max')

另一种方法

df.value/df.loc[df.groupby('year')['rank'].transform('idxmin'),'value'].values
Out[64]: 
0    0.50
1    1.00
2    0.75
3    1.00
4     NaN
Name: value, dtype: float64

如果您需要分母排名第二

df.value/df.year.map(df.loc[df['rank']==2].set_index('year')['value'])

此处的不同之处取决于您如何获得排名，如果基于value的max，则它们都应返回相同的结果，但是如果给定的排名与value列无关，那么您应该使用first

Answer 2

我喜欢并接受了温家宝的回答，但想给我2美分：

最简单的方法是将值除以最大值，但是我正在尝试使用称为rank的单独列来学习执行此操作：

df.groupby('year')['value'].transform(lambda x: x/x.max())
0    0.50
1    1.00
2    0.75
3    1.00
4     NaN

排名== 2的另一种简单方法：

df.groupby('year')['value'].transform(lambda x: x/x.nlargest(2).iloc[-1])
0    1.000000
1    2.000000
2    1.000000
3    1.333333
4         NaN

注意：温的方法：

df.value/df.year.map(df.loc[df['rank']==2].set_index('year')['value'])
    0    1.000000
    1    2.000000
    2    1.000000
    3    1.333333
    4         NaN

熊猫groupby应用/转换操作按组进行操作

2 个答案: