在 Pandas 中操作组列

Question

我有一个包含 Dist、Class 和 Count 列的数据集。

我想按 dist 对该数据集进行分组，并将每组的计数列除以该组的计数总和（将其标准化为 1）。

以下 MWE 展示了我迄今为止的方法。但我想知道：有没有更紧凑/流行的方式来写这个？

import pandas as pd
import numpy as np

a = np.random.randint(0,4,(10,3))
s = pd.DataFrame(a,columns=['Dist','Class','Count'])

def manipcolumn(x):
    csum = x['Count'].sum()
    x['Count'] = x['Count'].apply(lambda x: x/csum)
    return x

s.groupby('Dist').apply(manipcolumn)

Answer 1

获取标准化“计数”列的另一种方法是使用groupby 和transform 获取每个组的总和，然后将返回的系列除以“计数”列。您可以将此系列重新分配回您的 DataFrame：

s['Count'] = s['Count'] / s.groupby('Dist')['Count'].transform(np.sum)

这避免了对定制 Python 函数的需要和apply 的使用。对您问题中的小示例 DataFrame 进行测试表明它快了大约 8 倍。