import pandas as pd
import numpy as np
A=np.array([[1,2,3,4,5],[2,1,1,2,2],[1,2,3,4,5],[2,1,1,2,2],[1,2,3,4,5]])
data=pd.DataFrame(A,index=['li','chen','wang','zhao','qian'],columns=['a','b','c','d','e'])
print(data)
a b c d e
li 1 2 3 4 5
chen 2 1 1 2 2
wang 1 2 3 4 5
zhao 2 1 1 2 2
qian 1 2 3 4 5
key = ['mm','nn','nn','mm','mm']#给定index分组标记
print(data.groupby(key).mean())#mean是按key做分组的列均值
a b c d e
mm 1.333333 1.666667 2.333333 3.333333 4.0
nn 1.500000 1.500000 2.000000 3.000000 3.5
data里每个元素位置的取值由transform函数的参数函数计算
print(data.groupby(key).transform(np.mean))
a b c d e
li 1.333333 1.666667 2.333333 3.333333 4.0
chen 1.500000 1.500000 2.000000 3.000000 3.5
wang 1.500000 1.500000 2.000000 3.000000 3.5
zhao 1.333333 1.666667 2.333333 3.333333 4.0
qian 1.333333 1.666667 2.333333 3.333333 4.0
生成的tsf里,每个位置元素取值是data里“对应位置元素”按transform的“函数参数”运算(这里是’对应元素’减去’对应分组列的均值’);x取值是data的每个位置元素,只不过x.mean中的mean方法作用范围由key决定
m = lambda x :x-x.mean()
tsf = data.groupby(key).transform(m)
print(tsf)
a b c d e
li -0.333333 0.333333 0.666667 0.666667 1.0
chen 0.500000 -0.500000 -1.000000 -1.000000 -1.5
wang -0.500000 0.500000 1.000000 1.000000 1.5
zhao 0.666667 -0.666667 -1.333333 -1.333333 -2.0
qian -0.333333 0.333333 0.666667 0.666667 1.0