通过迄今为止观察到的最大值对 pandas 数据框列进行归一化

Question

我有一个带有时间索引的 pandas 数据框，我想通过在该日期和时间观察到的最大值对列的每一行进行归一化。

# an example input df
rng = pd.date_range('2020-01-01', periods=8)
a_lst = [2, 4, 3, 8, 2, 4, 10, 2]
df = pd.DataFrame({'date': rng, 'A': a_lst})
df.set_index('date', inplace=True, drop=True)

（一种可能的解决方案是遍历行，对过去的行进行子集化，然后除以最大值 [1,2,，但效率很低）

Answer 1

您正在查看 cummax:

df['A_normalized'] = df['A']/df['A'].cummax()

输出：

             A  A_normalized
date                        
2020-01-01   2          1.00
2020-01-02   4          1.00
2020-01-03   3          0.75
2020-01-04   8          1.00
2020-01-05   2          0.25
2020-01-06   4          0.50
2020-01-07  10          1.00
2020-01-08   2          0.20

通过迄今为止观察到的最大值对 pandas 数据框列进行归一化

Normalize pandas dataframe column by the max observed to date

python

date

normalization

dataframe

pandas