python - Groupby 和 Normalize 选定的列 Pandas DF
问题描述
我有一个样本 DF,我想根据 2 个条件对其进行标准化
创建示例 DF:
sample_df = pd.DataFrame(np.random.randint(1,20,size=(10, 3)), columns=list('ABC'))
sample_df["date"]= ["2020-02-01","2020-02-01","2020-02-01","2020-02-01","2020-02-01",
"2020-02-02","2020-02-02","2020-02-02","2020-02-02","2020-02-02"]
sample_df["date"] = pd.to_datetime(sample_df["date"])
sample_df.set_index(sample_df["date"],inplace=True)
del sample_df["date"]
sample_df["A_cat"] = ["ind","sa","sa","sa","ind","ind","sa","sa","ind","sa"]
sample_df["B_cat"] = ["sa","ind","ind","sa","sa","sa","ind","sa","ind","sa"]
sample_df
print (sample_df)
操作:
A B C A_cat B_cat
date
2020-02-01 14 11 7 ind sa
2020-02-01 19 17 3 sa ind
2020-02-01 19 6 3 sa ind
2020-02-01 3 16 5 sa sa
2020-02-01 12 6 16 ind sa
2020-02-02 1 8 12 ind sa
2020-02-02 10 13 19 sa ind
2020-02-02 17 2 7 sa sa
2020-02-02 9 13 17 ind ind
2020-02-02 17 16 3 sa sa
规范化条件:
1. Groupby based on index, and
2. Nomalize selected columns
例如,如果选择的列是["A","B"]
,在这种情况下它应该首先 groupby 索引2020-02-01
并规范化该组的 5 行中的选择列。
其他输入:
selected_column = ["A","B"]
我可以for loop
通过迭代组并连接标准化值来做到这一点。因此,任何有关更有效/基于熊猫的方法的建议都会很棒。
用 Pandas 尝试的代码:
from sklearn.preprocessing import StandardScaler
dfg = StandardScaler()
sample_df.groupby([sample_df.index.get_level_values(0)])[selected_columns].transform(dfg.fit_transform)
错误:
('Expected 2D array, got 1D array instead:\narray=[14. 19. 19. 3. 12.].\nReshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.', 'occurred at index A')
解决方案
希望我的问题是正确的。您是否只想按索引分组,从 A 和 B 中选择值并计算百分比?
sample_df.reset_index(inplace=True)
sample_df['date']=pd.to_datetime(sample_df['date'])
sample_df.set_index('date', inplace=True)
df2=sample_df[(sample_df['A']>10)&(sample_df['B']>5)]
df2.groupby(df2.index.month)['A_cat'].value_counts(normalize=True)
如果您想要除 A 和 B 之外的所有其他列。请尝试
df2.groupby(df2.index.month).agg({i:'value_counts' for i in df2.columns[2:]}).groupby(level=0).transform(lambda x: x.div(x.sum()))
或者,在将 A 和 B 选择到数据框中后,删除 A 和 P 列并应用pd.series 值计数
df2.drop(columns=['A','B'], inplace=True)
df2.apply(pd.Series.value_counts).transform(lambda x: x.div(x.sum()))
推荐阅读
- asp.net-mvc - 如何在 ASP.NET Core 3.0 的另一个程序集中使用控制器?
- c# - 为什么我的 JSON 数据没有使用 Unitys JsonUtility 正确反序列化?
- excel - 从用 python 中的 pandas 和 tkinter 打开的 excel 表中捕获数据
- php - PHP 脚本未通过 cron 作业运行
- mysql - 当外键在另一张表上时,如何从另一张表中级联删除?
- c - 连续操作 inkstrorkecontainer.clear() 和 addstrokes() 导致 UWP 中的 EXCEPTION
- ios - 即使在提交所有更改并重新打开 Xcode 之后,Git 仍显示未提交的更改 - Git Tower
- javascript - Firebase以选择形式显示数据 - 角度
- testing - 如何在 Leiningen 中声明测试范围依赖项?
- node.js - 我突然无法使用 Typescript 在 node.js 中安装 Express