Groupby 和基于特定行值的计算答案

【问题标题】：Groupby and calculations based on specific row valueGroupby 和基于特定行值的计算
【发布时间】：2021-05-23 16:51:26
【问题描述】：

我的数据如下所示：

d = {'id' : [1, 1, 1, 2, 2, 2],
     'levels': ['low', 'perfect', 'high', 'low', 'perfect', 'high'],
     'value': [1, 10, 13, 2, 10, 13]}

df = pd.DataFrame(d, columns=['id', 'levels', 'value'])
df = df.groupby(['id','levels'])[['value']].mean()

对于每个 [id, levels]，我想找出行的 value 和 perfect 行的 value 之间的区别。它看起来像这样：

id | levels | value | penalty
1  | high   | 13    | 3
   | low    | 1     | 9
   | perfect| 10    | 0
2  | high   | 13    | 3
   | low    | 2     | 8
   | perfect| 10    | 0

例如，在第一行中，您将从完美值 10 中减去 13，得到 3。

那么我该如何进行计算，找到每个[id, levels] 的perfect 值，然后找出差异呢？

【问题讨论】：

标签： python pandas dataframe pandas-groupby

【解决方案1】：

使用xs 选择数据框的横截面，然后从level=0 上的给定数据框中减去此横截面

df['penalty'] =  df['value'].sub(df['value'].xs('perfect', level=1)).abs()

            value  penalty
id levels                 
1  high        13        3
   low          1        9
   perfect     10        0
2  high        13        3
   low          2        8
   perfect     10        0

【讨论】：

【解决方案2】：

你可以尝试变换，然后减去并转换为绝对值：

val = df.loc[df['levels'].eq('perfect').groupby(df['id']).transform('idxmax'),'value']
df['penalty'] = df['value'].sub(val.to_numpy()).abs()

print(df)

   id   levels  value  penalty
0   1      low      1        9
1   1  perfect     10        0
2   1     high     13        3
3   2      low      2        8
4   2  perfect     10        0
5   2     high     13        3

【讨论】：