python - 使用组结果转换 pandas DataFrame

Question

嘿，我正在寻找一种从 DataFrame 的组中获取结果的 Pandas 解决方案，然后将这些结果应用于完整的 DataFrame。这是我现在正在做的事情的一个最小示例，但我觉得它不是很好。

import pandas as np
data = [[0.0, 2.4285714285714286, '0', 'mica02', 'd2o'],
         [10.0, 1.4285714285714286, '225', 'mica02', 'd2o'],
         [13.0, 1.0833333333333333, '225', 'mica02', 'd2o'],
         [954.0, 5.420454545454546, '225', 'mica02', 'air'],
         [937.0, 5.162534435261708, '225', 'mica02', 'air'],
         [75.0, 0.4966887417218543, '225', 'mica02', 'h2o'],
         [78.0, 0.49523809523809526, '225', 'mica02', 'h2o'],
        [80.0, 0.49323809523809526, '225', 'mica01', 'h2o'],
       ]
df0 = pd.DataFrame(data, columns=['basesubed', 'normalized', 'rot', 'm0', 'm1'])
df0

给出，这是我正在使用的内容的简化版本:

    basesubed   normalized  rot     m0  m1
0   0.0     2.428571    0   mica02  d2o
1   10.0    1.428571    225     mica02  d2o
2   13.0    1.083333    225     mica02  d2o
3   954.0   5.420455    225     mica02  air
4   937.0   5.162534    225     mica02  air
5   75.0    0.496689    225     mica02  h2o
6   78.0    0.495238    225     mica02  h2o
7   80.0    0.493238    225     mica01  h2o

现在，按 m0 和 rot 元数据对 DataFrame 进行分组，并从组中计算出一些内容。现在让我们说中位数:

mask = (df0.m1 == 'h2o') 
gdf = df0[mask].groupby(['m0', 'rot']).median()
gdf

        basesubed   normalized  basesubed_n     normalized_n
m0  rot                 
mica01  225     80.0    0.493238    1.0     1.0
mica02  225     76.5    0.495963    1.0     1.0

现在我想从原始 DataFrame 中减去结果，但只有当 gdf 的多索引与 df0 中的元数据匹配时，我才会这样做:

for i in range(len(gdf.index.values)):
    mask = ((df0.m0 == gdf.index.values[i][0]) & (df0.rot == gdf.index.values[i][1]))
    df0.loc[mask, 'basesubed_n'] = df0[mask]['basesubed'] / gdf.loc[gdf.index.values[i]].basesubed
    df0.loc[mask, 'normalized_n'] = df0[mask]['normalized'] / gdf.loc[gdf.index.values[i]].normalized
df0

我得到:

    basesubed   normalized  rot     m0  m1  basesubed_n     normalized_n
0   0.0     2.428571    0   mica02  d2o     NaN     NaN
1   10.0    1.428571    225     mica02  d2o     0.130719    2.880397
2   13.0    1.083333    225     mica02  d2o     0.169935    2.184301
3   954.0   5.420455    225     mica02  air     12.470588   10.929142
4   937.0   5.162534    225     mica02  air     12.248366   10.409103
5   75.0    0.496689    225     mica02  h2o     0.980392    1.001462
6   78.0    0.495238    225     mica02  h2o     1.019608    0.998538
7   80.0    0.493238    225     mica01  h2o     1.000000    1.000000

注意第一行是如何得到 NaN 的，因为它在 gdf ​​中没有匹配的条目。这正是我想要的，因为df0中没有rot=0和m1=h2o。这种不匹配也是我找不到使用 df.groupby().transform() 的解决方案的原因，因为它也不匹配我想要的数据框的形状将其应用到。

如有任何帮助，我们将不胜感激。

Answer 1

我不知道您要使用的transform 方法，但您可以使用merge 来防止循环for。这是一个想法:

# gdf is slightly different, just reset indexes to merge on them later
gdf = df0[mask].groupby(['m0', 'rot']).median().reset_index()
# merge df0 with gdf on the two columns 'm0', 'rot'
df0 = df0.merge(gdf, on = ['m0',  'rot'], how = 'left', suffixes = ('','_median'))
# now you can calculate the column _n such as:
df0['basesubed_n'] = df0['basesubed'] / df0['basesubed_median']
df0['normalized_n'] = df0['normalized'] / df0['normalized_median']
# finally, drop the columns _median
df0 = df0.drop(['basesubed_median','normalized_median'],1)

你得到的结果和你的一样

编辑:实际上，我通过 transform 找到了答案，只需执行以下操作:

df0[['basesubed_n','normalized_n']] = df0.groupby(['m0', 'rot'])\
                                         .transform(lambda x: x/x[mask].median())