Question

道歉的标题；我想不出另一种说法。这是我以几种不同形式遇到的问题，无法找到满意的答案。

例如：说我一直在监视一周中喝了几杯茶和咖啡：

In [17]: import random
    ...: test = pd.DataFrame({
    ...:     'drink' : ['tea'] * 5 +  ['coffee'] * 5,
    ...:     'day' : ['monday', 'tuesday', 'wednesday', 'thursday', 'friday'] * 2,
    ...:     'cups' : [random.randrange(1, 10)  for _ in range(10)]
    ...: })
    ...: test
    ...: 
    ...: 
Out[17]: 
    drink        day  cups
0     tea     monday     1
1     tea    tuesday     3
2     tea  wednesday     1
3     tea   thursday     7
4     tea     friday     1
5  coffee     monday     8
6  coffee    tuesday     1
7  coffee  wednesday     2
8  coffee   thursday     1
9  coffee     friday     1

为了比较金额，我想将其标准化。我可以轻松地通过除以每天的总数进行归一化-这几乎是对熊猫进行归一化的标准示例：

In [18]: test['day_norm'] = test.groupby('day')['cups'].transform(lambda x : x / 
    ...: x.sum())
In [19]: test
Out[19]: 
    drink        day  cups  day_norm
0     tea     monday     1  0.111111
1     tea    tuesday     3  0.750000
2     tea  wednesday     1  0.333333
3     tea   thursday     7  0.875000
4     tea     friday     1  0.500000
5  coffee     monday     8  0.888889
6  coffee    tuesday     1  0.250000
7  coffee  wednesday     2  0.666667
8  coffee   thursday     1  0.125000
9  coffee     friday     1  0.500000

但是让我们说，我想通过将每个组除以星期一的值来查看一周中值的变化情况，即我希望星期一为1，然后相对于此隔天。我设法提出了两种不同的方法，这两种方法似乎都是令人费解的。

一个：我可以编写一个函数来过滤组数据框以查找星期一的值，然后将其除以该序列：

In [20]: def normalize(df):
    ...:     monday_cups = df[df['day'] == 'monday']['cups'].mean()
    ...:     return df['cups'] / monday_cups
    ...: 
    ...: test['normalized cups'] = test.groupby('drink').apply(normalize).reset_i
    ...: ndex(level=0, drop=True)
    ...: test
    ...: 
    ...: 
Out[20]: 
    drink        day  cups  day_norm  normalized cups
0     tea     monday     1  0.111111            1.000
1     tea    tuesday     3  0.750000            3.000
2     tea  wednesday     1  0.333333            1.000
3     tea   thursday     7  0.875000            7.000
4     tea     friday     1  0.500000            1.000
5  coffee     monday     8  0.888889            1.000
6  coffee    tuesday     1  0.250000            0.125
7  coffee  wednesday     2  0.666667            0.250
8  coffee   thursday     1  0.125000            0.125
9  coffee     friday     1  0.500000            0.125

但是要使索引与原始数据帧的索引相匹配就需要对索引进行大量的处理。

二：我可以将数据重塑为宽格式的表：

n [14]: summary = test.drop(columns=['normalized cups']).groupby(['drink', 'day'])['cups'].mean().unstack()

In [15]: summary
Out[15]: 
day     friday  monday  thursday  tuesday  wednesday
drink                                               
coffee       8       7         7        8          4
tea          9       9         4        8          4

然后划分变得更加简单，但是我不得不花一些时间将其恢复为原始格式：

In [16]: summary.apply(lambda x : x / summary['monday']).stack().to_frame('norma
    ...: lized_cups').reset_index()
Out[16]: 
    drink        day  normalized_cups
0  coffee     friday         1.142857
1  coffee     monday         1.000000
2  coffee   thursday         1.000000
3  coffee    tuesday         1.142857
4  coffee  wednesday         0.571429
5     tea     friday         1.000000
6     tea     monday         1.000000
7     tea   thursday         0.444444
8     tea    tuesday         0.888889
9     tea  wednesday         0.444444

是否有更优雅的方法来做到这一点？我有一个模糊的想法，对数据框进行排序，以使星期一为第一，然后进行涉及groupby和first的事情，但我想不起来！

Answer 1

这就是我要做的

t2=test.loc[test.day=='monday',['drink','cups']].groupby('drink').cups.mean()
t2
Out[1282]:
drink
coffee    8
tea       1
Name: cups, dtype: int64
test['normalized_cups']=test.cups/t2.reindex(test.drink).values

Answer 2

尝试：

df['normalized_cups'] = df.groupby('drink').cups.apply(lambda x: x/x.iloc[0])

这假设您在每个组中首先拥有monday。

Answer 3

我建议您将数据收集和存储与数据分析分开。例如，您可以在喝酒时将其记录在桌子上。然后您可以随时运行分析。

数据表如下所示：

您还可以添加一个单独的“人”表，并与您的朋友进行“咖啡因计数竞赛”。

如何基于不同列中的值在组内进行规范化

3 个答案: