如何计算每个subid的SG课程均值并对A课程观测值做差值运算？

需求回顾 #

1. 对每个subid，计算其对应SG课程的performance均值
2. 用该均值减去同subid下A课程的每一项performance值

数据修正说明 #

原代码里列名存在拼写错误：peformance需改为performance，否则后续操作会报错，先修正这个问题。

简洁实现方法 #

方法一：分组均值+索引映射（高效）

import pandas as pd

# 原数据定义（修正列名拼写）
sectionIndex = [1,2,3,4,5,6,7,8,9,10,1,2,3,4,5,6,7,8,9,10]
subid = [1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2]
course = ['A','A','A','A','A','A','A','A','SG','SG', 'A','A','A','A','A','A','A','A','SG','SG']
performance = [3,6,1,6,5,6,7,8,9,13,1,2,3,3,4,4,6,3,1,10]
ddict = {
    'subid': subid,
    'sectionIndex': sectionIndex,
    'course': course,
    'performance': performance
}

df = pd.DataFrame(ddict)

# 1. 计算每个subid的SG课程performance均值
sg_mean = df[df['course'] == 'SG'].groupby('subid')['performance'].mean()

# 2. 筛选A课程数据，映射对应均值并计算差值
a_course_data = df[df['course'] == 'A'].copy()
a_course_data['sg_mean_minus_a_perf'] = sg_mean.loc[a_course_data['subid']].values - a_course_data['performance']

print(a_course_data)

方法二：分组均值表+合并（直观）

如果觉得索引映射不够直观，可使用merge方式实现：

# 生成SG均值表，保留subid作为普通列
sg_mean_df = df[df['course'] == 'SG'].groupby('subid', as_index=False)['performance'].mean().rename(columns={'performance': 'sg_mean'})

# 合并A课程数据与均值表，计算差值
result = df[df['course'] == 'A'].merge(sg_mean_df, on='subid')
result['sg_mean_minus_a_perf'] = result['sg_mean'] - result['performance']

print(result)

结果验证 #

• subid=1的SG课程performance为9和13，均值为11，对应A课程的差值为11 - 对应performance值（如11-3=8、11-6=5等）
• subid=2的SG课程performance为1和10，均值为5.5，对应A课程的差值为5.5 - 对应performance值（如5.5-1=4.5、5.5-2=3.5等）

内容的提问来源于stack exchange，提问作者Cmagelssen