基于Pandas按A、C分组计算B列的Z值

先看我们的原始数据：

import pandas as pd

test = pd.DataFrame(
    [[1, 10, 14], [1, 12, 14], [1, 20, 12], [1, 25, 12],
     [2, 18, 12], [2, 30, 14], [2, 4, 12], [2, 10, 14]],
    columns=['A', 'B', 'C']
)

对应的表格结构：

需求很明确：按A、C分组，计算每组内B列的Z值（Z值公式：(x - 组均值) / 组标准差）

你已经手动通过分组求均值和标准差的方式拿到了各组统计值，但其实不用这么麻烦，pandas有更简洁的方式直接完成计算，完全不用手动合并均值标准差到原表。

方法一：用groupby.transform自定义计算 #

我们可以利用groupby.transform方法，让分组后的统计计算直接映射回原DataFrame的每一行，一步到位：

# 定义计算Z值的函数
def calc_zscore(x):
    return (x - x.mean()) / x.std()

# 按A、C分组，对B列应用Z值计算
test['B_zscore'] = test.groupby(['A', 'C'])['B'].transform(calc_zscore)

运行后得到的结果：

方法二：用scipy.stats.zscore结合groupby.transform #

如果不想自己写函数，也可以直接用scipy里的现成Z值计算函数，搭配transform：

from scipy.stats import zscore

test['B_zscore'] = test.groupby(['A', 'C'])['B'].transform(zscore)

这个方法和上面自定义函数的结果完全一致，适合追求简洁代码的场景。

为什么比手动计算更方便？ #

• 不用单独生成均值、标准差表再合并到原数据，避免了合并时可能出现的索引对齐问题
• 代码更简洁，逻辑更连贯，直接从原数据一步得到结果
• 自动处理分组内的所有行，不用手动对应每个元素的分组统计值

内容的提问来源于stack exchange，提问作者JSolomonCulp