Pandas：分组后如何对指定列进行标准化处理？

你遇到的问题核心是DataFrameGroupBy对象不支持直接赋值新列，得把标准化后的结果关联回原始的DataFrame才行，而不是在分组对象上操作。下面给你两种简单可行的解决方法：

方法一：直接在原DataFrame生成标准化列 #

假设你的原始DataFrame叫df，分组依据的列是group_col（即你用来分组的那一列），直接用groupby配合transform给原DataFrame加新列：

df['priceNormed'] = df.groupby('group_col')['price'].transform(lambda x: (x - x.mean()) / x.std())

transform会返回和原DataFrame行数完全匹配的序列，刚好可以直接赋值给新列，自动对应到每个分组的行。

方法二：先获取标准化结果再赋值 #

如果已经提前定义了grouped对象（比如grouped = df.groupby('group_col')），可以先提取标准化后的结果，再赋值给原DataFrame：

# 先计算每个分组的标准化价格
normed_price_series = grouped['price'].transform(lambda x: (x - x.mean()) / x.std())
# 赋值给原DataFrame的新列
df['priceNormed'] = normed_price_series

额外补充：用sklearn工具实现标准化 #

如果你习惯用sklearn的标准化工具，也可以自定义函数后用transform调用：

from sklearn.preprocessing import StandardScaler

def standardize_group(x):
    scaler = StandardScaler()
    # 转换为二维数组后再标准化，最后展平为一维序列
    return scaler.fit_transform(x.values.reshape(-1, 1)).flatten()

df['priceNormed'] = df.groupby('group_col')['price'].transform(standardize_group)

内容的提问来源于stack exchange，提问作者ArieAI