如何在Pandas中按ID组计算特征与组内label=1行的差值？

解决思路 #

针对每个ID分组，先提取组内label=1行的特征作为基准值，再对组内label=0的行，用基准值减去该行特征值（或生成表达式字符串），label=1的行保持原特征不变。

代码实现 #

1. 构造示例数据

import pandas as pd

# 构造示例DataFrame
data = {
    'ID': [1, 1, 2, 2],
    'Feature_1': [10, 9, 100, 90],
    'Feature_2': [3, 1, 30, 10],
    'Feature_3': [4, 2, 40, 20],
    'label': [1, 0, 1, 0]
}
df = pd.DataFrame(data)

2. 提取组内基准特征

# 提取每组label=1的特征值，按ID索引
base_features = df[df['label'] == 1].set_index('ID').drop('label', axis=1)

3. 合并基准特征与原数据

# 合并原数据和基准特征，添加后缀区分基准列
merged_df = df.merge(base_features, on='ID', suffixes=('', '_base'))

4. 按条件转换特征值

如果需要数值结果（如1而非10-9）：

# 定义所有特征列
feature_cols = [col for col in df.columns if col.startswith('Feature_')]

# 遍历特征列，对label=0的行计算基准值减当前值
for col in feature_cols:
    merged_df[col] = merged_df.apply(
        lambda row: row[f'{col}_base'] - row[col] if row['label'] == 0 else row[col],
        axis=1
    )

# 清理临时基准列，得到最终结果
result_df = merged_df.drop([f'{col}_base' for col in feature_cols], axis=1)

如果需要表达式字符串（如10-9）：

for col in feature_cols:
    merged_df[col] = merged_df.apply(
        lambda row: f"{row[f'{col}_base']}-{row[col]}" if row['label'] == 0 else row[col],
        axis=1
    )

result_df = merged_df.drop([f'{col}_base' for col in feature_cols], axis=1)

5. 查看结果

print(result_df)

数值结果输出：

ID  Feature_1  Feature_2  Feature_3  label
0   1         10          3          4      1
1   1          1          2          2      0
2   2        100         30         40      1
3   2         10         20         20      0

表达式字符串结果输出：

ID Feature_1 Feature_2 Feature_3  label
0   1        10         3         4      1
1   1     10-9      3-1      4-2       0
2   2       100        30        40      1
3   2    100-90     30-10     40-20     0

关键说明 #

• 利用merge将每组的基准值关联到所有行，避免循环分组操作，提升效率。
• 通过apply结合条件判断，精准控制仅修改label=0的行。
• 特征列通过前缀自动识别，无需硬编码列名，适配更多特征的场景。

内容的提问来源于stack exchange，提问作者Alex