使用DataFrame中不同组内的引用行来执行数据操作
鉴于此数据帧
df = pd.DataFrame({'Group': {0: 'a', 1: 'a', 2: 'b', 3: 'b', 4: 'c', 5: 'c', 6: 'd', 7: 'd'},
'Time': {0: 0, 1: 1, 2: 0, 3: 1, 4: 0, 5: 1, 6: 0, 7: 1},
'Mean': {0: 1, 1: 4, 2: 1, 3: 5, 4: 2, 5: 6, 6: 2, 7: 9}})
对于 DataFrame ( aand b)中的每个组，我想取Mean列中的每个数字并将其除以对应的值在Time == 0，并取np.log2这个。换句话说，我想以这个结束
df2 = pd.DataFrame({'Group': {0: 'a', 1: 'a', 2: 'b', 3: 'b', 4: 'c', 5: 'c', 6: 'd', 7: 'd'},
'Time': {0: 0, 1: 1, 2: 0, 3: 1, 4: 0, 5: 1, 6: 0, 7: 1},
'Mean': {0: 1, 1: 4, 2: 1, 3: 5, 4: 2, 5: 6, 6: 2, 7: 9},
'New': {0: 0.0, 1: 2.0, 2: 0.0, 3: 2.321928094887362, 4: 0.0, 5: 1.584962500721156, 6: 0.0, 7: 2.169925001442312}})
目前我通过以下方式实现了这一点
df2 = pd.DataFrame()
for group, sub in df.groupby('Group'):
sub['New'] = np.log2(sub.Mean / sub.Mean.iloc[0])
df2 = pd.concat([df2, sub], axis=0)
但我觉得应该有一个更简单的方法。
回答
您可以groupby使用转换first（替换iloc[0]）然后与Mean列分开。
df['New'] = np.log2(df['Mean']/df.groupby("Group")['Mean'].transform('first'))
Group Time Mean New
0 a 0 1 0.000000
1 a 1 4 2.000000
2 b 0 1 0.000000
3 b 1 5 2.321928
4 c 0 2 0.000000
5 c 1 6 1.584963
6 d 0 2 0.000000
7 d 1 9 2.169925
编辑：
如果您不确定 Time 等于 0 的索引，您也可以执行以下操作：
df['New'] = (np.log2(df['Mean']/df.loc[df['Time'].eq(0).groupby(df['Group'])
.transform('idxmax'),'Mean'].to_numpy()))
当 cond Time=0 为 True 时，这将为每个组返回最大索引。，然后使用df.loc我们返回均值列并将其用于除法。有关更多信息，请参阅idxmax工作原理
print(df)
Group Time Mean New
0 a 0 1 0.000000
1 a 1 4 2.000000
2 b 0 1 0.000000
3 b 1 5 2.321928
4 c 0 2 0.000000
5 c 1 6 1.584963
6 d 0 2 0.000000
7 d 1 9 2.169925