Pandas 分组和转换忽略 NaN

Question

我面临着对数据框中的非 NA 值进行分组和转换的问题。

所以我的数据框是这样的：

姓名	价值
A	1
A	2
A	南
乙	3
乙	7
乙	9
乙	南

我想要的最终输出：

姓名	价值	重量1	重量2
A	1	0.33	0.5
A	2	0.33	0.5
A	南	0.33	南
乙	3	0.25	0.33
乙	7	0.25	0.33
乙	9	0.25	0.33
乙	南	0.25	南

我知道这可能听起来微不足道，但我无法让 Weight 2 在 column 的不同分组类别中完美运行Name。

这是我获取专栏的方式Weight 1：

df['Weight 1'] = df.groupby(['Name']).transform(lambda x: 1/len(x))

到目前为止，我尝试跟踪Weight 2，但引发了 DivisionByZero 警告。输出不正确。

df['Weight 2'] = df.groupby(['Name']).transform(lambda x: 1/np.sum(~np.isnan(x)))

任何帮助表示赞赏。

Answer 1

您可以用来GroupBy.count计算每组中的非 NaN 值。然后pd.Series.map使用pd.Series.mask

mapping = (1 / df.groupby('Name')['Value'].count()).squeeze()
df['Weight 2'] = df['Name'].map(mapping).mask(df['Value'].isna())

  Name  Value  Weight 2
0    A    1.0  0.500000
1    A    2.0  0.500000
2    A    NaN       NaN
3    B    3.0  0.333333
4    B    7.0  0.333333
5    B    9.0  0.333333
6    B    NaN       NaN