标签：列内 平均值 df transform lv num 分组 mean
大家好，我是皮皮。
一、前言
前几天在Python星耀交流群有个叫【在下不才】的粉丝问了一个Pandas的问题，按照A列进行分组并计算出B列每个分组的平均值，然后对B列内的每个元素减去分组平均值，这里拿出来给大家分享下，一起学习。
二、解决过程
这个看上去倒是不太难，但是实现的时候，总是一看就会，一用就废。这里给出【瑜亮老师】的三个解法，一起来看看吧！
方法一：使用自定义函数
代码如下：
import pandas as pd
lv = [1, 2, 2, 3, 3, 4, 2, 3, 3, 3, 3]
num = [122, 111, 222, 444, 555, 555, 333, 666, 666, 777, 888]
df = pd.DataFrame({'lv': lv, 'num': num})
def demean(arr):
return arr - arr.mean()
# 按照"lv"列进行分组并计算出"num"列每个分组的平均值，然后"num"列内的每个元素减去分组平均值
df["juncha"] = df.groupby("lv")["num"].transform(demean)
print(df
# transform 也支持 lambda 函数，效果是一样的，更简洁一些
# df["juncha"] = df.groupby("lv")["num"].transform(lambda x: x - x.mean())
# print(df)
方法二：使用内置函数
代码如下：
import pandas as pd
lv = [1, 2, 2, 3, 3, 4, 2, 3, 3, 3, 3]
num = [122, 111, 222, 444, 555, 555, 333, 666, 666, 777, 888]
df = pd.DataFrame({'lv': lv, 'num': num})
gp_mean = df.groupby('lv')["num"].mean().rename("gp_mean").reset_index()
df2 = df.merge(gp_mean)
df2["juncha"] = df2["num"] - df2["gp_mean"]
print(df2)
方法三：使用 transform
transform能返回完整数据，输出的形状和输入一致（输入是num列，输出也是一列），代码如下：
import pandas as pd
lv = [1, 2, 2, 3, 3, 4, 2, 3, 3, 3, 3]
num = [122, 111, 222, 444, 555, 555, 333, 666, 666, 777, 888]
df = pd.DataFrame({'lv': lv, 'num': num})
# 方法三： 使用 transform。
df["gp_mean"] = df.groupby('lv')["num"].transform('mean')
df["juncha"] = df["num"] - df["gp_mean"]
print(df)
# 直接输出结果，省略分组平均值列
df["juncha"] = df["num"] - df.groupby('lv')["num"].transform('mean')
print(df)
这样问题就完美地解决啦！
后面他还想用类的方式写，不过看上去没有那么简单。
三、总结
大家好，我是皮皮。这篇文章主要分享了Pandas处理相关知识，基于粉丝提出的按照A列进行分组并计算出B列每个分组的平均值，然后对B列内的每个元素减去分组平均值的问题，给出了3个行之有效的方法，帮助粉丝顺利解决了问题。
最后感谢粉丝【在下不才】提问，感谢【德善堂小儿推拿-瑜亮老师】给出的具体解析和代码演示，感谢【月神】提供的思路，感谢【dcpeng】等人参与学习交流。
小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。
标签：列内,平均值,df,transform,lv,num,分组,mean 来源： https://www.cnblogs.com/dcpeng/p/16157325.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。