规范化分组DataFrame的方法: 以组的子集平均值为准

Question

我想用ConditionCT中的值的平均值对Pandas数据框中的数据进行规范化。在

数据帧是这样的：

df = pd.DataFrame({'Type' : ['A', 'A', 'A', 'A',
                          'B', 'B', 'B', 'B'],
                   'Condition' : ['Tx', 'CT', 'Tx', 'CT',
                          'Tx', 'CT', 'Tx', 'CT'],
                   'Var1' : np.random.randn(8),
                   'Var2' : np.random.randn(8)})

print(df)
  Condition Type      Var1      Var2  Var1_Norm  Var2_Norm
0        Tx    A -1.555886 -0.454512   3.290695  -1.059712
1        CT    A  0.820324  0.357123  -1.734983   0.832645
2        Tx    A -0.355758  0.807324   0.752426   1.882305
3        CT    A -0.799936  1.005673   1.691862   2.344762
4        Tx    B -0.253152 -0.585186   0.234666   6.790024
5        CT    B -0.672658  0.851191   0.623540  -9.876536
6        Tx    B -1.768877 -0.083506   1.639711   0.968933
7        CT    B -1.620407 -0.527232   1.502083   6.117579

我知道如何用整个团队的平均值来规范化：

^{pr2}$

但是我如何通过组的子集（带有Condition == 'CT'的行）的平均值来规范化分组数据？在

我尝试了以下方法，结果是AttributeError：

df[['Var1_Norm', 'Var2_Norm']] = df.groupby(['Type']).transform(lambda x: x/x[x.Condition == 'CT'].mean())
AttributeError: ("'Series' object has no attribute 'Condition'", 'occurred at index Condition')

借助@piRSquared的回答，我找到了一个使用for循环的解决方案：

df[['Var1_Norm', 'Var2_Norm']] = df[['Var1', 'Var2']]
for t in df.Type.unique():
    ct_mean = df.loc[(df.Type == t) & (df.Condition == 'CT'),['Var1_Norm', 'Var2_Norm']].mean()
    df.loc[df.Type == t,['Var1_Norm', 'Var2_Norm']] = df.loc[df.Type == t,['Var1_Norm', 'Var2_Norm']].div(ct_mean)

Answer 1

您可以使用apply方法而不是transform。在

groupby方法transform传递一个序列并期望返回一个序列，而apply传递一个dataframe，并期望返回一个dataframe或一个序列（更详细地解释here）。这将允许您检查条件，因为您可以访问函数中的相关列：

df[['Var1_Norm', 'Var2_Norm']] = df.groupby(['Type']).apply(
    lambda x: x[['Var1', 'Var2']] / x.loc[x['Condition'] == 'CT', ['Var1', 'Var2']].mean())

print(df)

结果：

^{pr2}$

当然，您可以将其推广到任意数量的列上，甚至可以创建一个基于给定条件生成函数的函数生成器。在