如何解决根据现有列中的唯一文本值创建新的Z-Score列
系统:O365
IDE: JupyterLab
语言:Python版本3.7.3
库:熊猫版本1.0.1
数据源:亲自构建
Http API文档: https://github.com/RTICWDT/open-data-maker/blob/master/API.md
您好,我想知道是否有人知道如何利用列范围内的条件设置返回值。例如,我想在看到下一组值后根据范围内的相似值返回z分数。
已采取的步骤:
- 内置了以下功能,似乎位于其中一半,但并非如此
代码:
# get data
df0 = pd.read_csv('data/erpservicedesk.csv')
df0.columns
# put z-score into a lamda
zscore = lambda x: (x - x.mean()) / x.std()
# build datafram with the important features
df1 = df0[['Incident ID*+','Res.Prod.Cat.TierII','Res.Op.Cat.TierIII','Mean-Time-Tckt-Close']]
df1.insert(4,'ZofMTTC',df1.groupby(['Res.Prod.Cat.TierII','Res.Op.Cat.TierIII'])['Mean-Time-Tckt-Close'].transform(zscore))
df2 = df1.sort_values(by=['Res.Prod.Cat.TierII'])
df2.head(100)
问题
我的lambda函数似乎不是基于新列值的条件,因为它似乎对整个数据帧而不是对每个新实例“ Res.Prod.Cat.TierII”采用“平均时间-Tckt-Close”
示例
A B C
Bob Store 10
Bob Store 11
Bob Store 8
Alfred Store 12
Alfred Store 9
我需要一个新的D列,以根据Bob和Alfred各自的数据来反映他们的Z分数。
解决方法
使用您的示例,您可以使用.groupby
创建dfs来存储均值和标准差,然后在lambda函数中访问它们:
import pandas as pd
## recreate example df
df = pd.DataFrame({'A':['Bob']*3+['Alfred']*2,'B':['Store']*5,'C':[10,11,8,12,9]})
df_mean = df.groupby('A').mean()
df_std = df.groupby('A').std()
## apply the function along each row,using axis=1
df['D'] = df.apply(lambda x: (x['C'] - df_mean.loc[x['A']]) / df_std.loc[x['A']],axis=1)
输出:
>>> df
A B C D
0 Bob Store 10 0.218218
1 Bob Store 11 0.872872
2 Bob Store 8 -1.091089
3 Alfred Store 12 0.707107
4 Alfred Store 9 -0.707107
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。