我有一个csv，其中包含3列，count_id，AMV和时间。
我正在使用 Pandas ，并已将其作为数据框阅读。
results= pd.read_csv('./output.csv')
首先，我首先对count_id的数据帧进行排序，然后对AMV进行排序。
results_sorted = results.sort_index(by=['count_id','AMV'], ascending=[True, True])
这给
count_id AMV Hour
0 16012E 4004 14
1 16012E 4026 12
2 16012E 4099 15
3 16012E 4167 11
4 16012E 4239 10
5 16012E 4324 13
6 16012E 4941 16
7 16012E 5088 17
8 16012E 5283 9
9 16012E 5620 8
10 16012E 5946 18
11 16012E 6146 7
12 16012W 3622 10
13 16012W 3904 12
14 16012W 3979 11
15 16012W 4076 9
16 16012W 4189 13
17 16012W 4870 14
18 16012W 4899 18
19 16012W 5107 15
20 16012W 5659 8
21 16012W 6325 7
22 16012W 6460 17
23 16012W 6500 16
现在，我想对数据进行一些归一化处理，以便最终将其绘制在同一图上。我想做的是找到每个系列的AMV的最小值(count_id)，然后从给定的AMV中减去该最小值。这将为我提供一个新列AMV_norm。
看起来像:
count_id AMV Hour AMV_norm
0 16012E 4004 14 0
1 16012E 4026 12 22
2 16012E 4099 15 95
3 16012E 4167 11 163
4 16012E 4239 10 235
5 16012E 4324 13 320
6 16012E 4941 16 937
7 16012E 5088 17 1084
8 16012E 5283 9 1279
9 16012E 5620 8 1616
10 16012E 5946 18 1942
11 16012E 6146 7 2142
12 16012W 3622 10 0
13 16012W 3904 12 282
14 16012W 3979 11 357
15 16012W 4076 9 454
16 16012W 4189 13 567
17 16012W 4870 14 1248
18 16012W 4899 18 1277
19 16012W 5107 15 1485
20 16012W 5659 8 2037
21 16012W 6325 7 2703
22 16012W 6460 17 2838
23 16012W 6500 16 2878
如何定义查找每个系列的最小AMV值而不是整个AMV的最小值的函数？它看起来像这样:
def minimum_series_value(AMV):
return AMV.argmin()
然后，我需要创建一个新列，并使用lambda函数填充该行。我知道它看起来像这样:
results_sorted['AMV_norm'] = results_sorted.apply(lambda row:results_sorted(row['AMV']))
最佳答案
从转换最小值中减去AMV列:
In [11]: df.groupby('count_id')["AMV"].transform('min')
Out[11]:
0 4004
1 4004
2 4004
3 4004
4 4004
...
21 3622
22 3622
23 3622
dtype: int64
In [12]: df["AMV"] - df.groupby('count_id')["AMV"].transform('min')
Out[12]:
0 0
1 22
2 95
3 163
4 235
...
21 2703
22 2838
23 2878
dtype: int64
In [13]: df["AMV_norm"] = df["AMV"] - df.groupby('count_id')["AMV"].transform('min')
关于python - Pandas 数据框-Lambda微积分和每个系列的最小值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33288061/