我有一个具有以下结构的数据框：
>>>df
name threshold ... time
0 a no ... 1.1
1 a 1 ... 1.5
2 b no ... 1.1
3 a 2 ... 1.5
...
对于每个名称（groupby），我想找到df.where['threshold']=='no'的对应值并将其除以同一组（a，b等）中time的其余值name。我想保留其余的数据框。我无法找到使用df.apply的选项：
df.groupby(['name']).apply(lambda x: x['threshold'])
此后，我将无法对其进行申请df.where，也无法通过df.apply使其满足多种条件。
所以答案应该做一个groupby，apply通过门槛，where门槛是否定的，find对应的时间价值，divide即对所有在同一组的名称。请注意，no每个组名只有一个。
感谢您的任何建议。
IIUC，您可以执行以下操作：
df['no_time'] = df['threshold'].eq('no') * df['time']
df['time'] = df['time'] / df.groupby('name')['no_time'].transform('max')
res = df.drop('no_time', axis=1)
print(res)
输出量
name threshold time
0 a no 1.000000
1 a 1 1.363636
2 b no 1.000000
3 a 2 1.363636
第一步：
df['no_time'] = df['threshold'].eq('no') * df['time']
创建一个新列，其中唯一的值不同于0threshold等于no的值。
第二步有两个部分，第2.1部分
df.groupby('name')['no_time'].transform('max')
no_time按组查找新列（）的最大值，即阈值等于no的时间值。假设时间始终为正（或至少在阈值等于no的情况下）
最后一部分只是将df['time']列与上一步（2.1）相除
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句