Pandas：基于另一列中存在的组规范化一列中0到10之间的所有值

Question

假设我有一个数据帧，如：

    Group  Values
0       1       1
1       1       4
2       1       2
3       1       7
4       1       3
5       2       4
6       2       1
7       2       5
8       2      12
9       2       4
10      2      10
11      3       2
12      3       6
13      3      20
14      3      15

MRE：

df = pd.DataFrame({'Group': [1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3], 'Values': [1, 4, 2, 7, 3, 4, 1, 5, 12, 4, 10, 2, 6, 20, 15]})

请注意，在数据帧中，组1的最大值为7，而组2的最大值为12，组3的最大值为20。现在我想将每个Group的Values规范化为10的上限值

我试图使用pd.groupby方法，但我对如何继续下去没有任何线索。另外，我知道我可以使用for循环，但这将是非常低效的，因为我试图处理的数据中有大约20k个样本

有没有一种甜蜜而微妙的方法可以做到这一点

Answer 1

为此，可以使用groupby和transform。有一个类似的例子in the docs{}：

import pandas as pd

df = pd.DataFrame({'Group': [1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3], 'Values': [1, 4, 2, 7, 3, 4, 1, 5, 12, 4, 10, 2, 6, 20, 15]})

df['normal'] = df.groupby('Group').transform(lambda x: (x / x.max()) * 10)

print(df)

印刷品：

    Group  Values     normal
0       1       1   1.428571
1       1       4   5.714286
2       1       2   2.857143
3       1       7  10.000000
4       1       3   4.285714
5       2       4   3.333333
6       2       1   0.833333
7       2       5   4.166667
8       2      12  10.000000
9       2       4   3.333333
10      2      10   8.333333
11      3       2   1.000000
12      3       6   3.000000
13      3      20  10.000000
14      3      15   7.500000