创建一个计算列，并将其附加到数据框

Question

我的数据集（称为“火车”）与抵押申请有关。为了改善对“已接受”（0/1）的预测，我试图计算“贷款方接受比率”，并希望将该新列追加到我的数据集中。

数据集有50万行，出借方ID在0到6508之间变化，但实际上并不是所有的ID（整数）都存在。

我尝试过：

方法1： 创建数据透视表。这有效：

train.pivot_table(index=['lender'], aggfunc='mean', values=['accepted'])

但是：我似乎无法将此数据透视表的结果添加到我的数据集中：

• 不是直接在一行代码中。

• 不是间接的，方法是将此数据透视表的结果添加到一个空的数据框中，然后与“ on = lender_id”合并。

方法2： 使用groupby函数创建一个新列。我用了这个：

train['lender_ar'] = train.groupby('lender').transform('mean')

，但正在获取：

ValueError: Wrong number of items passed 21, placement implies 1

我的一些数据集：

lender  accepted
4536       1
2458       0
5710       1
5888       1
289        1

我希望有人能提供帮助！谢谢！

Answer 1

我会尝试使用df.join作为原始数据集，并且平均值将不会具有相同的维度。

train.join(train.groupby('lender').mean(), on='lender')