python - 根据 Pandas 中的行值划分列

Question

我试图在 Pandas 中进行一个看起来很明显的计算，但经过几次尝试后我没有找到正确的方法。

我有一个如下所示的数据框:

df = pd.DataFrame([["A", "a", 10.0],
                   ["A", "b", 12.0],
                   ["A", "c", 13.0],
                   ["B", "a", 5.0 ],
                   ["B", "b", 6.0 ],
                   ["B", "c", 7.0 ]])

第一列是测试名，第二列是类，第三列是时间。每个测试通常显示在包含 3 个类的表中。

这是绘制它的正确格式:

sns.factorplot(x="2", y="0", hue="1", data=df,
               kind="bar")

因此对于每个测试，我得到一组 3 个条，每个类一个。

但是我想更改数据框，以便第 2 列中的每个值都不是绝对值，而是与类“a”相比的比率。

所以我想把它改成这样:

df = pd.DataFrame([["A", "a", 1.0],
                   ["A", "b", 1.2],
                   ["A", "c", 1.3],
                   ["B", "a", 1.0],
                   ["B", "b", 1.2],
                   ["B", "c", 1.4]])

我能够提取系列，更改索引以使它们匹配，进行计算，例如:

df_a = df[df[1] == "a"].set_index(0)
df_b = df[df[1] == "b"].set_index(0)
df_b["ratio_a"] = df_b[2] / df_a[2]

但这肯定是非常低效的，我需要将它分组回格式。

正确的做法是什么？

Answer 1

你可以使用 groupby/transform('first')找到每组中的第一个值:

import pandas as pd
df = pd.DataFrame([["A", "a", 10.0],
                   ["A", "b", 12.0],
                   ["A", "c", 13.0],
                   ["B", "b", 6.0 ],
                   ["B", "a", 5.0 ],
                   ["B", "c", 7.0 ]])
df = df.sort_values(by=[0,1])
df[2] /= df.groupby(0)[2].transform('first')

产量

   0  1    2
0  A  a  1.0
1  A  b  1.2
2  A  c  1.3
3  B  a  1.0
4  B  b  1.2
5  B  c  1.4