減去熊貓中每個分組項的唯一值

Question

我有一個具有唯一值（df_values）的數據框，我想從另一個數據框（df）的列中的所有行中減去它

>>> df_values
    Id  value  
0   1    2    
1   2    3    
2   3    2       

>>> df
    Id  T_air  
0   1    2    
1   1    4    
2   1    2    
3   2    3
4   2    4    
5   2    3    
6   3    4     

我可以通過定義這樣的函數來做到這一點：

def conv(x, y, p):
    if y == 1:
        return x-p[0]
    elif y == 2:
        return x-p[1]
    elif y == 3:
        return x-p[2]

df['norm']=df.apply(lambda x : conv(x['T_air'], x['Id'],df_value['value']), axis=1)

所以結果是：

>>> df
    Id  T_air  norm
0   1    2      0
1   1    4      2
2   1    2      0
3   2    3      0
4   2    4      1    
5   2    3      0    
6   3    4      2     

但由於我有這么多 groupby 項目，我想找到一種更簡單的方法來實現這一點。 任何想法都會有所幫助:)

Answer 1

您可以使用map進行矢量化，不需要groupby ：

df['norm'] = df['T_air'] - df['Id'].map(df_values.set_index('Id')['value'])

輸出：

   Id  T_air  norm
0   1      2     0
1   1      4     2
2   1      2     0
3   2      3     0
4   2      4     1
5   2      3     0
6   3      4     2

Answer 2

將Series.sub與Series.map的映射值一起使用：

df['norm'] = df['T_air'].sub(df['Id'].map(df_value.set_index('Id')['value']))
print (df)
   Id  T_air  norm
0   1      2     0
1   1      4     2
2   1      2     0
3   2      3     0
4   2      4     1
5   2      3     0
6   3      4     2