Question

我想知道以下计算是否可以简化或可以使用替代计算：

id      | group | value
01      |   1   |   5
01      |   1   |   6
02      |   1   |   35
02      |   1   |   40
03      |   1   |   90
03      |   1   |   95
control |   1   |   50
control |   1   |   60
04      |   2   |   35
04      |   2   |   36
05      |   2   |   15
05      |   2   |   10
06      |   2   |   20
06      |   2   |   25
control |   2   |   30
control |   2   |   40

首先计算每组所有控件的平均值：

id      | group | value_mean
control |   1   |   55
control |   2   |   35

然后计算每个ID相对于控件的平均差异：

id      | group | value_mean_percent
01      |   1   |   10
02      |   1   |   68
03      |   1   |   168
04      |   2   |   101
05      |   2   |   36
06      |   2   |   64

id = 1的示例（5 + 6）/ 2 * 100/55 = 10％

还有另一种解释此类数据结果的方法吗？

Answer 1

我认为您可以定义一个对数据框的子组起作用的函数，该函数将value除以id分组，计算均值并返回除以控件的所有结果：

def func(da):
    da = da.groupby('id')['value'].mean()
    return 100*da[da.index != "control"]/da['control']

然后，您只需按group将data.frame分组，应用此功能并重置索引：

import pandas as pd
import numpy as np

df = pd.DataFrame({"id":np.repeat(['01','02','03','control','04','05','06','control'],2),
                  "group":np.repeat([1,2],8),
                   "value":[5,6,35,40,90,95,50,60,35,36,15,10,20,25,30,40]})

df.groupby('group').apply(func).reset_index()

    group   id  value
0   1   01  10.000000
1   1   02  68.181818
2   1   03  168.181818
3   2   04  101.428571
4   2   05  35.714286
5   2   06  64.285714

百分比差异计算

1 个答案: