Pandas：基于组内对照值实现组内结果缩放

现有如下包含分组、处理方式及测量结果的DataFrame：

import pandas as pd

X = pd.DataFrame({
    'group':['A','A','A','B','B','B'],
    'treatment':['control', 'high_dose', 'low_dose', 'control', 'high_dose', 'low_dose'],
    'result':[2, 6, 4, 3, 12, 15]
})

对应的表格形式：

需要实现：用每个分组内control处理对应的result值，对同组所有结果进行缩放，生成新列result_group_stand，最终得到如下结果：

group  treatment  result  result_group_stand
0     A    control       2                    1
1     A  high_dose       6                    3
2     A   low_dose       4                    2
3     B    control       3                    1
4     B  high_dose      12                    4
5     B   low_dose      15                    5

即A组所有结果除以control值2，B组所有结果除以control值3。

方法1：使用groupby + transform提取组内control值 #

通过分组后提取对应control的结果，再广播到整组完成计算：

# 提取每个group对应的control结果，生成映射系列
control_vals = X[X['treatment'] == 'control'].set_index('group')['result']

# 按group分组，用transform获取每组的control值，计算缩放结果
X['result_group_stand'] = X['result'] / X.groupby('group')['result'].transform(
    lambda x: control_vals[x.name]
)

方法2：提取control值后合并到原DataFrame #

先单独提取各分组的control值，通过合并关联到原数据后计算缩放：

# 提取control组数据并重命名列
control_df = X[X['treatment'] == 'control'][['group', 'result']].rename(columns={'result': 'control_result'})

# 合并原数据与control值
X_merged = pd.merge(X, control_df, on='group', how='left')

# 计算缩放列
X_merged['result_group_stand'] = X_merged['result'] / X_merged['control_result']

# 可选：删除中间列
X = X_merged.drop('control_result', axis=1)

方法3：使用map匹配组内control值 #

构建分组到control值的字典，通过map匹配后直接计算：

# 构建group到control result的字典
control_dict = X[X['treatment'] == 'control'].set_index('group')['result'].to_dict()

# 匹配对应control值并计算缩放
X['result_group_stand'] = X['result'] / X['group'].map(control_dict)

三种方法均可实现需求，其中方法3代码最简洁，方法2逻辑最直观，可根据实际场景选择。

内容的提问来源于stack exchange，提问作者freesoup