我想根据另一列中的值对 pandas 数据框的一列中的值进行归一化。这不是统计意义上的纯粹标准化。第二个值是类型；我想对每种类型的所有第一个值求和，然后在每一行中，将该值除以该行类型的总数。举个例子应该可以更清楚地说明这一点。
df = pd.read_table(datafile, names = ["A", "B", "value", "type"])
A B value type
0 A1 B1 1 type1
1 A2 B2 1 type1
2 A1 B1 1 type2
3 A1 B3 1 type3
4 A2 B2 1 type2
5 A2 B4 1 type3
6 A3 B4 1 type2
7 A3 B5 1 type3
8 A4 B6 1 type2
9 A4 B7 1 type3
然后我可以用类似的东西找到总和:
types = df.groupby(["type"])["value"].sum()
type
type1 2
type2 4
type3 4
Name: value, dtype: int64
那我该如何使用它来规范化每行中的值呢？
我可以使用这样的循环来计算归一化值:
norms = []
for ix, row in df.iterrows():
norms.append(row["value"]/types[row["type"]])
然后用具有这些值的新列替换该列:
df["value"] = pd.Series(norms)
A B value type
0 A1 B1 0.50 type1
1 A2 B2 0.50 type1
2 A1 B1 0.25 type2
3 A1 B3 0.25 type3
4 A2 B2 0.25 type2
5 A2 B4 0.25 type3
6 A3 B4 0.25 type2
7 A3 B5 0.25 type3
8 A4 B6 0.25 type2
9 A4 B7 0.25 type3
但据我所知，使用这样的循环不是很有效或不合适，并且可能有一种方法可以使用一些标准的 pandas 函数来实现。
谢谢。
请您参考如下方法:
您可以使用 transform，它对每个组执行操作，然后扩展结果以匹配原始索引。例如"
>>> df["value"] /= df.groupby("type")["value"].transform(sum)
>>> df
A B value type
0 A1 B1 0.50 type1
1 A2 B2 0.50 type1
2 A1 B1 0.25 type2
3 A1 B3 0.25 type3
4 A2 B2 0.25 type2
5 A2 B4 0.25 type3
6 A3 B4 0.25 type2
7 A3 B5 0.25 type3
8 A4 B6 0.25 type2
9 A4 B7 0.25 type3
因为我们有
>>> df.groupby("type")["value"].transform(sum)
0 2
1 2
2 4
3 4
4 4
5 4
6 4
7 4
8 4
9 4
dtype: int64
