Python：按组添加相对值（C/组内B='one'的C值）问题求助

原始数据 #

import pandas as pd

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
                   'B' : ['one', 'one', 'two', 'two', 'three', 'three', 'four', 'five'],
                  'C' : [2,3,4,9,12,12,17,13]})

需求 #

新增一列New，值为按A分组后，每组内C的数值除以该组中B='one'对应的C值，期望输出如下：

A      B   C   New
0  foo    one   2   1.0
1  bar    one   3   1.0
2  foo    two   4   2.0
3  bar    two   9   3.0
4  foo  three  12   6.0
5  bar  three  12   4.0
6  foo   four  17   8.5
7  foo   five  13   6.5

错误代码及输出 #

用户编写的代码：

grouped = df.groupby(['A']).head(7)
grouped['new']= grouped['C']/df[grouped['B']=='one']['C']

输出结果出现大量NaN：

A      B   C   new
0  foo    one   2   1.0
1  bar    one   3   1.0
2  foo    two   4   NaN
3  bar    two   9   NaN
4  foo  three  12   NaN
5  bar  three  12   NaN
6  foo   four  17   NaN
7  foo   five  13   NaN

错误原因 #

• df[grouped['B']=='one']['C']仅能获取到两行数据（B='one'的行），而grouped['C']是8行数据，直接相除时因索引不匹配，仅索引对应的两行能计算出结果，其余行无法匹配导致生成NaN。
• groupby(['A']).head(7)未起到分组计算的作用，对结果无实际帮助。

正确解法 #

方法一：使用transform实现分组基准值提取 #

通过groupby结合transform，在每个分组内提取B='one'对应的C值，并保持与原DataFrame相同的长度，直接进行除法运算：

df['New'] = df['C'] / df.groupby('A')['C'].transform(lambda x: x[df.loc[x.index, 'B'] == 'one'].iloc[0])

方法二：先构建基准值字典再映射计算 #

先提取每个A分组对应的B='one'的C值存入字典，再通过映射匹配到每行数据后计算比值：

# 构建分组基准值字典
base_dict = df[df['B'] == 'one'].set_index('A')['C'].to_dict()
# 计算比值
df['New'] = df['C'] / df['A'].map(base_dict)

最终输出 #

两种方法均可得到符合预期的结果：

A      B   C   New
0  foo    one   2   1.0
1  bar    one   3   1.0
2  foo    two   4   2.0
3  bar    two   9   3.0
4  foo  three  12   6.0
5  bar  three  12   4.0
6  foo   four  17   8.5
7  foo   five  13   6.5

内容的提问来源于stack exchange，提问作者Lilly