熊猫，当列匹配时，从另一个中减去数据框

Question

我有一个数据框（movielens 数据集）

(Pdb) self.data_train.head()
       userId  movieId  rating   timestamp
65414     466      608     4.0   945139883
79720     547     6218     4.0  1089518106
63354     457     4007     3.5  1471383787
29923     213    59333     2.5  1462636955
63651     457   102194     2.5  1471383710

我找到了每个用户评分的平均值

 user_mean = self.data_train['rating'].groupby(self.data_train['userId']).mean()
(Pdb) user_mean.head()
userId
1    2.527778
2    3.426471
3    3.588889
4    4.363158
5    3.908602

我想从匹配用户的第一个数据帧中减去这个平均值。

有没有办法在没有明确的 for 循环的情况下做到这一点？

Answer 1

我认为您需要GroupBy.transform 和mean 来获得Series 与原始DataFrame 相同的大小，因此可以通过Series.sub 减去列：

s = self.data_train.groupby('userId')['rating'].transform('mean')
self.data_train['new'] = self.data_train['rating'].sub(s)

示例：更改 userId 中的数据以获得更好的示例

print (data_train)
       userId  movieId  rating   timestamp
65414     466      608     4.0   945139883
79720     466     6218     4.0  1089518106
63354     457     4007     3.5  1471383787
29923     466    59333     2.5  1462636955
63651     457   102194     2.5  1471383710

s = data_train.groupby('userId')['rating'].transform('mean')
print (s)
65414    3.5
79720    3.5
63354    3.0
29923    3.5
63651    3.0
Name: rating, dtype: float64

data_train['new'] = data_train['rating'].sub(s)
print (data_train)
       userId  movieId  rating   timestamp  new
65414     466      608     4.0   945139883  0.5
79720     466     6218     4.0  1089518106  0.5
63354     457     4007     3.5  1471383787  0.5
29923     466    59333     2.5  1462636955 -1.0
63651     457   102194     2.5  1471383710 -0.5