缩放python中不同组的数值

Question

我想根据不同的组来缩放数值（类似于R的scale函数）。

注意：当我谈到规模时，我指的是这个指标(x-group_mean)/group_std

数据集（用于演示想法）例如：

advertiser_id   value
10              11
10              22
10              2424
11              34
11              342342
.....

理想的结果：

advertiser_id   scaled_value
10              -0.58
10              -0.57
10              1.15
11              -0.707
11              0.707
.....

引用此链接： 在Python中实现pandas中的R scale函数？ 我使用def scale功能并想申请它，就像这样：

dt.groupby("advertiser_id").apply(scale)

但得到一个错误：

ValueError：传递值的形状是（2,15770），索引暗示（2,23375）

在我的原始数据集中，行数是15770，但在我的情况下，我认为scale函数不会将单个值映射到超过2（在本例中）结果。

如果您能给我一些示例代码或一些如何修改它的建议，我将不胜感激，谢谢！

Answer 1

首先， np.std行为与大多数其他语言不同，因为delta自由度默认为0 。 因此：

In [9]:

print df

   advertiser_id   value
0             10      11
1             10      22
2             10    2424
3             11      34
4             11  342342

In [10]:

print df.groupby('advertiser_id').transform(lambda x: (x-np.mean(x))/np.std(x, ddof=1))

      value
0 -0.581303
1 -0.573389
2  1.154691
3 -0.707107
4  0.707107

这匹配R结果。

第二，如果你的任何一个组（通过advertiser_id ）恰好只包含一个项目，那么std将为0，你将得到nan 。 检查你是否因为这个原因而得到了nan 。 在这种情况下， R也将返回nan 。