假设我有一个数据框:
Code Value
1 X 135
2 D 298
3 F 301
4 G 12
5 D 203
6 X 212
7 D 401
8 D 125
我希望在此数据框中创建一个新列,该列计算数据框中所有行的平均值,其中'Code'列中的值是每行相应的值。
例如,在第一行中,“Mean”列将查找Code为“X”的所有行的平均值。
pd.Series.map()
:df['Code_mean'] = df.Code.map(df.groupby(['Code']).Value.mean())
>>> df
Out[]:
Code Value Code_mean
1 X 135 173.50
2 D 298 256.75
3 F 301 301.00
4 G 12 12.00
5 D 203 256.75
6 X 212 173.50
7 D 401 256.75
8 D 125 256.75
这种方法似乎比使用transform
更快。
编辑:为回复评论添加基准测试
import pandas as pd
from string import ascii_letters
df = pd.DataFrame(columns=['Code', 'Value'])
df.Code = [ascii_letters[26:][i] for i in np.random.randint(0, 26, 10000)]
df.Value = np.random.randint(0, 1024, 10000)
>>> %%timeit
... df['Code_mean'] = df.Code.map(df.groupby(['Code']).Value.mean())
1000 loops, best of 3: 1.45 ms per loop
# Reinit df before next timeit
>>> %%timeit
... df.assign(Code_mean=df.groupby('Code').transform('mean'))
100 loops, best of 3: 2.31 ms per loop
然而在测试中,transform
对于较大的数据框(10^6 行)的结果更有利。
import pandas as pd
from string import ascii_letters
df = pd.DataFrame(columns=['Code', 'Value'])
df.Code = [ascii_letters[26:][i] for i in np.random.randint(0, 26, 1000000)]
df.Value = np.random.randint(0, 1024, 1000000)
>>> %%timeit
... df['Code_mean'] = df.Code.map(df.groupby(['Code']).Value.mean())
10 loops, best of 3: 95.2 ms per loop
# Reinit df before next timeit
>>> %%timeit
... df.assign(Code_mean=df.groupby('Code').transform('mean'))
10 loops, best of 3: 68.2 ms per loop
在按代码分组后,transform
方法是一个很好的应用程序。
>>> df['Group_means'] = df.groupby('Code').transform('mean')
>>> df
Code Value Group_means
0 X 135 173.50
1 D 298 256.75
2 F 301 301.00
3 G 12 12.00
4 D 203 256.75
5 X 212 173.50
6 D 401 256.75
7 D 125 256.75