假设我有一个包含列 person_id 和 mean_act 的 DataFrame,其中每一行都是一个特定人的数值。我想计算一个人级别的所有值的 zscore。也就是说,我想要一个新列 mean_act_person_zscore 计算为 mean_act 的 zscore 仅使用那个人(而不是整个数据集)的 zscores 的平均值和标准差.
我的第一种方法是这样的:
person_ids = df['person_id'].unique()
for pid in person_ids:
person_df = df[df['person_id'] == pid]
person_df = (person_df['mean_act'] - person_df['mean_act'].mean())/person_df['mean_act'].std()
在每次迭代中,它都会计算出正确的 zscore 输出系列,但问题在于,由于选择是通过引用而非值进行的,因此原始 df 最终没有 mean_act_person_zscore 列。
关于如何做到这一点的想法?
请您参考如下方法:
应该是直截了当的:
df['mean_act_person_zscore'] = df.groupby('person_id').mean_act.transform(lambda x: (x - x.mean()) / x.std())
