分配涉及 Pandas 中的减少和非减少操作

Question

我是一个 R/Tidyverse 的人，在 python/pandas 中弄湿了我的脚，并且无法辨别是否有一种方法可以在 pandas 中像 tidyverse 一样优雅地执行以下操作：

(
    dat
    %>% group_by(grp)
    %>% mutate(
        value = value/max(value)
    )
)

因此，有一个涉及非归约运算（除法）的分组变异，该运算又涉及归约运算的结果（最大值）。我知道以下是可能的：

import pandas as pd
import numpy as np

df = pd.DataFrame({'grp': np.random.randint(0,5, 10), 'value': np.random.randn(10)}).sort_values('grp')

tmp = (
    df
    .groupby('grp')
    .agg('max')
)

(
    df
    .merge(tmp,on='grp')
    .assign(
        value = lambda x: x.value_x / x.value_y
    )
)

但我觉得必须有一种方法来避免创建临时变量tmp，以便在一个表达式中实现这一点，就像我在 tidyverse 中可以实现的那样。我错了吗？

更新：我将@PaulS 的回答标记为正确，因为它确实解决了提出的问题。在使用我的最小示例以外的其他东西时，我意识到在 tidyverse 中还有我没有考虑到的其他隐式行为；具体来说，不涉及一系列指定操作的列保留在 tidyverse 案例中，并丢弃在@PaulS 的答案中。所以这里是一个更接近地模拟 tidyverse 的示例和解决方案：

df = (
    pd.DataFrame({
        'grp': np.random.randint(0,5, 10) #to be used for grouping
        , 'time': np.random.normal(0,1,10) #extra column not involved in computation
        , 'value': np.random.randn(10) #to be used for calculations
    })
    .sort_values(['grp','time'])
    .reset_index()
)

#computing a grouped non-reduced-divided-by-reduced:
(
    df
    .groupby('grp', group_keys=False)
    .apply(
        lambda x: (
            x.assign(
                value = (
                    x.value
                    / x.value.max()
                )
            )
        )
    )
    .reset_index()
    .drop(['index','level_0'],axis=1)
)

我还发现，如果我想在分配期间索引到一列，我必须稍微调整一下，例如：

#this time the reduced compute involves getting the value at the time closest to zero:
(
    df
    .groupby('grp', group_keys=False)
    .apply(
        lambda x: (
            x.assign(
                value = (
                    x.value
                    / x.value.values[np.argmin(np.abs(x.time))] #note use of .values[]
                )
            )
        )
    )
    .reset_index()
    .drop(['index','level_0'],axis=1)
)

Answer 1

一个可能的解决方案：

(df.groupby('grp')
 .apply(lambda g: g['value'].div(g['value'].max()))
 .droplevel(1)
 .reset_index())

输出：

    grp      value
0    0   1.000000
1    1   1.000000
2    1   1.052922
3    2   1.000000
4    2   5.873499
5    3  10.009542
6    3   1.000000
7    4   1.000000
8    4  -0.842420
9    4   0.410153