如何将Pandas GroupBy转换为DataFrame并实现分组值按Series除法

嘿，这个需求其实很好实现，核心就是利用groupby的分组处理能力，针对每个分组匹配对应的除数Series再做运算。我给你两种实用的方案，你可以根据自己的实际场景选择：

方案一：使用groupby.apply自定义处理逻辑 #

这是最直观的方式，我们可以给每个分组单独匹配对应的除数Series，完成除法后再合并结果。

完整代码示例 #

import pandas as pd

# 先还原你的原始DataFrame
data = [
    ['sample1', 'method_0', 1],
    ['sample1', 'method_1', 2],
    ['sample1', 'method_2', 3],
    ['sample1', 'method_3', 4],
    ['sample2', 'method_0', 5],
    ['sample2', 'method_1', 6],
    ['sample2', 'method_2', 7],
    ['sample2', 'method_3', 8]
]
table_1 = pd.DataFrame(data, columns=['Sample', 'method', 'value'])

# 这里假设你已经有了每个method对应的除数Series，存在字典里
# 注意：每个Series的长度必须和对应method分组的行数一致！
divisor_dict = {
    'method_0': pd.Series([2, 4]),
    'method_1': pd.Series([1, 3]),
    'method_2': pd.Series([5, 2]),
    'method_3': pd.Series([3, 6])
}

# 执行分组
grouped = table_1.groupby('method')

# 定义处理单个分组的函数
def process_group(group):
    # 获取当前分组的method名称
    current_method = group.name
    # 取出对应的除数Series
    divisor = divisor_dict[current_method]
    
    # 先检查长度是否匹配，避免出错
    if len(divisor) != len(group):
        raise ValueError(f"除数Series长度与分组{current_method}不匹配！")
    
    # 执行除法，生成新列
    group['value_divided'] = group['value'] / divisor.values
    return group

# 应用函数并整理结果
final_result = grouped.apply(process_group).reset_index(drop=True)
print(final_result)

代码说明 #

• group.name可以直接获取当前分组的method值，用来匹配对应的除数Series
• 加入了长度检查，避免因除数和分组行数不一致导致的运算错误
• 最终返回的final_result会保留原始数据的所有列，同时新增除法后的结果列

方案二：提前合并除数数据到原DataFrame（更简洁） #

如果你能把除数数据整理成和原DataFrame匹配的结构，也可以先合并再直接做运算，不需要分组处理：

示例代码 #

# 构造除数DataFrame，结构和原表对应
divisor_data = [
    ['sample1', 'method_0', 2],
    ['sample1', 'method_1', 1],
    ['sample1', 'method_2', 5],
    ['sample1', 'method_3', 3],
    ['sample2', 'method_0', 4],
    ['sample2', 'method_1', 3],
    ['sample2', 'method_2', 2],
    ['sample2', 'method_3', 6]
]
divisor_df = pd.DataFrame(divisor_data, columns=['Sample', 'method', 'divisor'])

# 合并原表和除数表
merged_df = pd.merge(table_1, divisor_df, on=['Sample', 'method'])

# 直接做除法
merged_df['value_divided'] = merged_df['value'] / merged_df['divisor']
print(merged_df)

适用场景 #

这种方式更适合除数数据本身就和原数据的Sample+method一一对应的情况，代码更简洁，不需要写自定义函数。

内容的提问来源于stack exchange，提问作者ionox0