python - python中不同组的缩放数值

Question

我想根据不同的组来缩放数值(类似于 R 的 scale 函数)。

注意:当我谈到规模时，我指的是这个指标 (x-group_mean)/group_std

数据集(用于演示想法)例如:

advertiser_id   value
10              11
10              22
10              2424
11              34
11              342342
.....

理想的结果:

advertiser_id   scaled_value
10              -0.58
10              -0.57
10              1.15
11              -0.707
11              0.707
.....

引用此链接:implementing R scale function in pandas in Python?我使用了 def scale 的功能并想申请它，就像这样:

dt.groupby("advertiser_id").apply(scale)

但是报错:

ValueError:传递值的形状为 (2, 15770)，索引表示 (2, 23375)

在我的原始数据集中，行数是 15770，但我不认为在我的情况下缩放函数将单个值映射到超过 2 个(在本例中)结果。

如果您能给我一些示例代码或一些修改建议，我将不胜感激，谢谢!

Answer 1

首先，np.std 的行为与大多数其他语言不同，因为它的增量自由度默认为 0。因此:

In [9]:

print df

   advertiser_id   value
0             10      11
1             10      22
2             10    2424
3             11      34
4             11  342342

In [10]:

print df.groupby('advertiser_id').transform(lambda x: (x-np.mean(x))/np.std(x, ddof=1))

      value
0 -0.581303
1 -0.573389
2  1.154691
3 -0.707107
4  0.707107

这匹配 R 结果。

第二，如果您的任何组(按 advertiser_id)恰好只包含 1 个项目，std 将为 0，您将得到 nan。检查你是否因为这个原因得到 nan。在这种情况下，R 也会返回 nan。