如何将一列除以数据框中具有相同 id 的行数？

Question

我有一个如下所示的 DataFrame：

Id	Price
1	300
1	300
1	300
2	400
2	400
3	100

我的目标是将每个观察的价格除以具有相同 ID 号的行数。预期的输出是：

Id	Price
1	100
1	100
1	100
2	200
2	200
3	100

但是，我在寻找执行此操作的最优化方法时遇到了一些问题。我确实使用下面的代码做到了这一点，但是运行需要超过 5 分钟（因为我有大约 20 万次观察）：

# For each row in the dataset, get the number of rows with the same Id and store them in a list
sum_of_each_id=[]
for i in df['Id'].to_numpy():
    sum_of_each_id.append(len(df[df['Id']==i]))

# Creating an auxiliar column in the dataframe, with the number of rows associated to each Id
df['auxiliar']=sum_of_each_id

# Dividing the price by the number of rows with the same Id
df['Price']=df['Price']/df['auxiliar']

请告诉我最好的方法是什么？

Answer 1

试试groupby 和transform。

• 使用groupby('Id')根据id创建组
• 使用 `transform('count') 获取组中每行的值计数
• 将df["Price] 除以包含计数的系列。

df = pd.DataFrame({"Id":[1,1,1,2,2,3],"Price":[300,300,300,400,400,100]})

df["new_Price"] = (df["Price"]/df.groupby("Id")["Price"].transform("count")).astype('int')

print(df)

   Id  Price  new_Price
0   1    300        100
1   1    300        100
2   1    300        100
3   2    400        200
4   2    400        200
5   3    100        100

Answer 2

import pandas as pd

df = pd.DataFrame({"id": [1, 1, 1, 2, 2, 3], "price": [300, 300, 300, 400, 400, 100]})
df.set_index("id") / df.groupby("id").count()

解释：

• df.groupby("id").count() 计算具有相同 ID 号的行数。生成的 DataFrame 将有一个 Id 作为索引。
• df.set_index("id") 会将 Id 列设置为索引
• 然后我们简单地划分帧，pandas 将通过索引匹配数字。