Pandas 在 groupby 上按列归一化

Question

给定一个 pandas 数据框，例如

import pandas as pd

df = pd.DataFrame({'id': ['id1','id1','id2','id2'] , 
                   'x':  [1,2,3,4], 
                   'y':  [10,20,30,40]})

每个数字列都可以标准化为单位间隔 [0,1] 和

columns = ['x', 'y']

for column in columns:
    df[column] = (df[column] - df[column].min()) / (df[column].max() - df[column].min())

导致

    id         x         y
0  id1  0.000000  0.000000
1  id1  0.333333  0.333333
2  id2  0.666667  0.666667
3  id2  1.000000  1.000000

但是，如何在每个 id 的每个数字列上应用此规范化？预期的结果将是这个过于简单的例子

    id         x         y
0  id1  0.000000  0.000000
1  id1  1.000000  1.000000
2  id2  0.000000  0.000000
3  id2  1.000000  1.000000

证明不清楚如何在

之后更新每个规范化列

df.groupby(['id']).apply(lambda x: ...)

Answer 1

使用GroupBy.transform:

columns = ['x', 'y']
g = df.groupby('id')[columns]
df[columns] = (df[columns] - g.transform('min')) / (g.transform('max') - g.transform('min'))
    
print (df)
    id    x    y
0  id1  0.0  0.0
1  id1  1.0  1.0
2  id2  0.0  0.0
3  id2  1.0  1.0

Answer 2

可能不是最好的方法，但如果你的数据框不是很大，那么这会做：

for column in columns:
    for id in list_of_IDs:
        df.loc[df.loc[id] == i,column] = (df.loc[df.loc[id] == i,column] - df.loc[df.loc[id] == i,column].min()) / df.loc[df.loc[id] == i,column].max() - df.loc[df.loc[id] == i,column].min())

Answer 3

It proves unclear how to update each normalised column after df.groupby(['id']).apply(lambda x: ...)

您可以再次apply：

df.groupby(["id"])\
.apply(lambda id_df: id_df[columns]\
                     .apply(lambda serie: (serie - serie.min()) / (serie.max() - serie.min())))

Pandas 在 groupby 上按列归一化

Pandas normalise by column on groupby

python

pandas

pandas-groupby

normalize