我有一个DF，标签和值如下：
df = pd.DataFrame({'labels' : ['A','A', 'B', 'C', 'C'],'val' : [1, 2, 3, 4, 5]})
现在，我想计算标准差，如下所示：对于每一行：带有A的行：（B和C标签的标准偏差）（前2行将具有所有其他行的标准偏差）带有B的行：（A和C标签的标准偏差）（第三行将具有所有其他行的标准偏差）带有C的行：（A和B标签的标准偏差）（最后2行将具有所有其他行的标准偏差）我如何才能做到这一点？
6qftjkof1#
更新要优化，请预先计算每个标签的标准偏差：
df = pd.DataFrame({'labels' : ['A','A', 'B', 'C', 'C'],'val' : [1, 2, 3, 4, 5]}) labels = df.labels.unique() std_map = {l:df[df.labels != l]["val"].std() for l in labels} df["std_dev"] = df["labels"].apply(lambda l: std_map[l])
迭代 Dataframe 并筛选具有其他标签的行，然后计算标准偏差：
df = pd.DataFrame({'labels' : ['A','A', 'B', 'C', 'C'],'val' : [1, 2, 3, 4, 5]}) df["std_dev"] = df.apply(lambda row: df[df.labels != row["labels"]]["val"].std(), axis=1) [Out]: labels val std_dev 0 A 1 1.000000 1 A 2 1.000000 2 B 3 1.825742 3 C 4 1.000000 4 C 5 1.000000
1条答案
按热度按时间6qftjkof1#
更新要优化，请预先计算每个标签的标准偏差：
迭代 Dataframe 并筛选具有其他标签的行，然后计算标准偏差：