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。
最佳答案
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())
关于python - 使用组结果转换 pandas DataFrame,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50472226/