python - 根据数据框列的部分添加一列规范化值

Question

我有一个包含数十万行的数据框。格式如下:

   time_elapsed  cycle
0          0.00      1
1          0.50      1
2          1.00      1
3          1.30      1
4          1.50      1
5          0.00      2
6          0.75      2
7          1.50      2
8          3.00      2

我想创建第三列，它会给出该行属于周期的每个时间实例的百分比(直到下一个 time_elapsed = 0)。给出类似的东西:

   time_elapsed  cycle  percentage
0          0.00      1           0
1          0.50      1          33
2          1.00      1          75
3          1.30      1          87
4          1.50      1         100
5          0.00      2           0
6          0.75      2          25
7          1.50      2          50
8          3.00      2         100

我对小数位数并不在意，我只是在这里为了方便而将它们排除在外。

我开始沿着这条路线前进，但我不断遇到错误。

data['percentage'] = data['time_elapsed'].sub(data.groupby(['cycle'])['time_elapsed'].transform(lambda x: x*100/data['time_elapsed'].max()))

我认为是 lambda 函数导致了错误，但我不确定应该如何更改它。非常感谢任何帮助:)

Answer 1

使用Series.div用于除法而不是 sub 用于减法，然后解决方案是简化 - 每组仅获取 max，乘以 Series.mul , 如有必要 Series.round最后通过 Series.astype 转换为整数:

s = data.groupby(['cycle'])['time_elapsed'].transform('max')
data['percentage'] = data['time_elapsed'].div(s).mul(100).round().astype(int)
print (data)
   time_elapsed  cycle  percentage
0          0.00      1           0
1          0.50      1          33
2          1.00      1          67
3          1.30      1          87
4          1.50      1         100
5          0.00      2           0
6          0.75      2          25
7          1.50      2          50
8          3.00      2         100