根据现有列中的唯一文本值创建新的 Z 分数列

Question

系统： O365

IDE： JupyterLab

语言： Python 3.7.3 版

库：熊猫版本 1.0.1

数据来源：个人打造

Http API 文档： https://github.com/RTICWDT/open-data-maker/blob/master/API.md

您好，我想知道是否有人知道如何使用列范围内的条件设置返回值。例如，一旦看到下一组值，我想根据某个范围内变化的相似值返回 z 分数。

已采取措施：

1. 构建了下面的函数，它似乎已经完成了一半，但并非如此

代码：

# get data
df0 = pd.read_csv('data/erpservicedesk.csv')
df0.columns

# put z-score into a lamda
zscore = lambda x: (x - x.mean()) / x.std()

# build datafram with the important features
df1 = df0[['Incident ID*+', 'Res.Prod.Cat.TierII', 'Res.Op.Cat.TierIII', 'Mean-Time-Tckt-Close']]

df1.insert(4,'ZofMTTC',df1.groupby(['Res.Prod.Cat.TierII', 'Res.Op.Cat.TierIII'])['Mean-Time-Tckt-Close'].transform(zscore))

df2 = df1.sort_values(by=['Res.Prod.Cat.TierII'])
df2.head(100)

问题

看来我的 lambda 函数不是基于新列值的条件，因为它似乎对整个数据帧采用“平均时间-Tckt-Close”，而不是“Res.Prod.Cat.TierII”的每个新实例.

示例

A B C
Bob Store 10
Bob Store 11
Bob Store 8
Alfred Store 12
Alfred Store 9

我需要一个新的 D 列来反映 Bob 和 Alfred 基于各自数据的 Z 分数。

Answer 1

使用您的示例，您可以使用 .groupby 创建 dfs 来存储平均值和标准差，然后在 lambda 函数中访问它们：

import pandas as pd

## recreate example df
df = pd.DataFrame({'A':['Bob']*3+['Alfred']*2, 'B':['Store']*5, 'C':[10,11,8,12,9]})

df_mean =  df.groupby('A').mean()
df_std =  df.groupby('A').std()

## apply the function along each row, using axis=1
df['D'] = df.apply(lambda x: (x['C'] - df_mean.loc[x['A']]) / df_std.loc[x['A']], axis=1)

输出：

>>> df
        A      B   C         D
0     Bob  Store  10  0.218218
1     Bob  Store  11  0.872872
2     Bob  Store   8 -1.091089
3  Alfred  Store  12  0.707107
4  Alfred  Store   9 -0.707107