基于最左索引将相关数学运算应用于多索引数据帧中的列

Question

我正在尝试添加一列数据，该列是根据多索引数据框的最左侧索引从现有列计算得出的。

对于这个例子，我有一列统计数据，我最左边的索引是球员，下一个级别的索引是赛季。我想根据每个玩家最大统计数据的百分比添加一个相对统计数据列。

所以对于下面的数据框，我想添加一列是 rStats（相对统计），其中第一个条目是 =5/7，第二个是 =6/7，第三个是=7/7，然后一旦到达新玩家，它将使用他们的最大值，因此条目 4 将是 =3/5，依此类推。

                    Stats
Stephen Curry 2010      5
              2011      6
              2012      7
Chris Paul    2010      3
              2011      4
              2012      5

我已经创建了一系列最大统计数据 (df.groupby('Player')['Stats'].max())，并尝试创建一个基于条目应用正确数学运算的 for 循环在 df 中，但无法使其正常工作。

这是复制数据帧的简化版本的代码，如上所示：

import pandas as pd

players = ['Stephen Curry','Stephen Curry','Stephen Curry','Chris Paul','Chris Paul','Chris Paul']
years = [2010, 2011, 2012, 2010, 2011, 2012]
stats = [5, 6, 7, 3, 4, 5]

df = pd.DataFrame(index=[players,years],columns=['Stats'],data=stats)

Answer 1

比groupby.apply 更快的方法是在level=0 上组合GroupBy.max 和.div 匹配索引

df.div(df.groupby(level=0).max(), level=0)

或者您只能在系列本身上执行此操作

df.Stats.div(df.Stats.groupby(level=0).max(), level=0)

---

                       Stats
Stephen Curry 2010  0.714286
              2011  0.857143
              2012  1.000000
Chris Paul    2010  0.600000
              2011  0.800000
              2012  1.000000

---

Timings

df = pd.concat([df]*1000)

%timeit df.div(df.groupby(level=0).max(), level=0)
100 loops, best of 3: 3.02 ms per loop

%timeit df.groupby(level=0).apply(lambda x: x/x.max())
1 loop, best of 3: 8.88 s per loop

Answer 2

使用groupby.apply:

df['rstats']=df.groupby(level=0)['Stats'].apply(lambda x: x/x.max())

或者更好 @Quang Hoang 的建议：

df['rstats']=df['Stats']/df.groupby(level=0)['Stats'].transform('max')

---

                    Stats    rstats
Stephen Curry 2010      5  0.714286
              2011      6  0.857143
              2012      7  1.000000
Chris Paul    2010      3  0.600000
              2011      4  0.800000
              2012      5  1.000000