熊猫：在每组中创建偏离均值的列

Question

DataFrame在 Python 中考虑以下内容：import pandas as pddf = pd.DataFrame({'id':[0]*3+[1]*3,'y':np.random.randn(6),'x':np.random.randn(6)})这使   id         y         x0   0  0.721757  1.5956461   0  0.359601  1.1284732   0  1.134922  2.3179293   1  0.290152 -1.9013364   1  0.128742  0.9826835   1  0.556914  0.745208请注意，y和x是根据 分组的id。我想创建以下内容DataFrame   id         y         x      y_md      x_md0   0  0.721757  1.595646 -0.017003 -0.0850371   0  0.359601  1.128473 -0.379159 -0.5522092   0  1.134922  2.317929  0.396162  0.6372463   1  0.290152 -1.901336 -0.035117 -1.8435214   1  0.128742  0.982683 -0.196527  1.0404985   1  0.556914  0.745208  0.231644  0.803023在哪里y_md包含与其组均值 ( id= 0& 1)的偏差值x_md包含与其组均值 ( id= 0& 1)的偏差值我想到的是df_g = df.groupby('id')yy = pd.Series( df['y'].values - df_g['y'].mean().repeat(3).values )xx = pd.Series( df['x'].values - df_g['x'].mean().repeat(3).values )pd.concat([df,yy.rename('y_md'), xx.rename('x_md')],axis=1)但它看起来不太好。我想知道是否有一个优雅的 one liner 或类似的结果相同？我将不胜感激你的帮助。

Answer 1

用于GroupBy.transform处理多列，减去 by DataFrame.sub，更改列名 byDataFrame.add_suffix并附加到原始 by DataFrame.join：

c = ['x','y']

df = df.join(df[c].sub(df.groupby('id')[c].transform('mean')).add_suffix('_md'))

print (df)

   id         y         x      x_md      y_md

0   0  0.721757  1.595646 -0.085037 -0.017003

1   0  0.359601  1.128473 -0.552210 -0.379159

2   0  1.134922  2.317929  0.637246  0.396162

3   1  0.290152 -1.901336 -1.843521 -0.035117

4   1  0.128742  0.982683  1.040498 -0.196527

5   1  0.556914  0.745208  0.803023  0.231645

或者可以分配新的列名：

df[['x_md','y_md']] = df[['x','y']].sub(df.groupby('id')[['x','y']].transform('mean'))

Answer 2

设置id为索引，按索引分组并从 df 中减去分组的平均值：

df = df.set_index("id")

df[['y_md','x_md']] = df.sub(df.groupby("id").agg("mean"))

df

       y           x            y_md      x_md

id              

0   0.721757    1.595646    -0.017003   -0.085037

0   0.359601    1.128473    -0.379159   -0.552210

0   1.134922    2.317929    0.396162    0.637246

1   0.290152    -1.901336   -0.035117   -1.843521

1   0.128742    0.982683    -0.196527   1.040498

1   0.556914    0.745208    0.231645    0.803023