Pandas：查找一列中的所有唯一值并将另一列中的所有值标准化为最后一个值

Question

问题

我想在一列中查找所有唯一值并规范化 另一列中的值与其最后一个值对应。我想通过 pandas 模块使用 python3 来实现这一点。

示例：

原始数据集

Fruit   | Amount
Orange  |     90
Orange  |     80
Orange  |     10
Apple   |    100
Apple   |     50
Orange  |     20
Orange  |     60   --> latest value of Orange. Use to normalize Orange
Apple   |     75
Apple   |     25
Apple   |     40   --> latest value of Apple. Used to normalize Apple

期望的输出

“水果”列中唯一值的标准化值的比率列

Fruit   | Amount |  Ratio
Orange  |     90 |  90/60 --> 150%  
Orange  |     80 |  80/60 --> 133.3%
Orange  |     10 |  10/60 --> 16.7%
Apple   |    100 | 100/40 --> 250%
Apple   |     50 |  50/40 --> 125%
Orange  |     20 |  20/60 --> 33.3%
Orange  |     60 |  60/60 --> 100%
Apple   |     75 |  75/40 --> 187.5%
Apple   |     25 |  25/40 --> 62.5%
Apple   |     40 |  40/40 --> 100%

Python 代码尝试

import pandas as pd

filename = r'C:\fruitdata.dat'
df = pd.read_csv(filename, delimiter='|')
print(df)
print(df.loc[df['Fruit   '] == 'Orange  '])
print(df[df['Fruit   '] == 'Orange  '].tail(1))

Python 输出 (IPython)

In [1]: df
   Fruit      Amount
0  Orange         90
1  Orange         80
2  Orange         10
3  Apple         100
4  Apple          50
5  Orange         20
6  Orange         60
7  Apple          75
8  Apple          25
9  Apple          40

In [2]: df.loc[df['Fruit   '] == 'Orange  ']
   Fruit      Amount
0  Orange         90
1  Orange         80
2  Orange         10
5  Orange         20
6  Orange         60

In [3]: df[df['Fruit   '] == 'Orange  '].tail(1)
Out[3]: 
   Fruit      Amount
6  Orange         60

问题

如何遍历“Fruit”中的每个唯一项目并根据其规范化所有值 尾值？

Answer 1

您可以将iloc 与groupby 一起使用

df.groupby('Fruit').Amount.apply(lambda x: x/x.iloc[-1])
Out[38]: 
0    1.500000
1    1.333333
2    0.166667
3    2.500000
4    1.250000
5    0.333333
6    1.000000
7    1.875000
8    0.625000
9    1.000000
Name: Amount, dtype: float64

分配回来后

df['New']=df.groupby('Fruit').Amount.apply(lambda x: x/x.iloc[-1])
df
Out[40]: 
    Fruit  Amount       New
0  Orange      90  1.500000
1  Orange      80  1.333333
2  Orange      10  0.166667
3   Apple     100  2.500000
4   Apple      50  1.250000
5  Orange      20  0.333333
6  Orange      60  1.000000
7   Apple      75  1.875000
8   Apple      25  0.625000
9   Apple      40  1.000000

不使用lambda

df.Amount/df.groupby('Fruit',sort=False).Amount.transform('last')
Out[46]: 
0    1.500000
1    1.333333
2    0.166667
3    2.500000
4    1.250000
5    0.333333
6    1.000000
7    1.875000
8    0.625000
9    1.000000
Name: Amount, dtype: float64