添加pandas数据框的特定列的所有值，并除以索引的总和（pandas，python） - 在DATAFRAME中添加另一列

**THIS HAS TO BE A FAST CODE AS I HAVE A LOT OF DATA **

**这是一个快速的代码，因为我有很多数据**

I have a data frame which has multiple same index eg:

我有一个具有多个相同索引的数据框，例如：

Index is the following:

索引如下：

A 
A
A
B
B
C
C
C
D
D
D
D

And column df['random'] has some values eg:

列df ['random']有一些值，例如：

1 2 3 4 5 6 7 8 100 101 102

Now I want to create a new column in the same dataframe which takes the sum over each unique index point and divides original value by the sum of the values for that particular index.

现在，我想在同一个数据帧中创建一个新列，该列获取每个唯一索引点的总和，并将原始值除以该特定索引的值的总和。

Eg for d['adjusted_random'] for the first entry of A I would like to get 1/6, second entry would be 2/6, third entry 3/6 and forth entry 5/11 (B sums to 11), etc...

例如，对于AI的第一个条目，d ['adjusted_random']想获得1/6，第二个条目将是2/6，第三个条目是3/6，第四个条目是5/11（B总和为11），等等。 ..

Please could somebody help

请有人帮忙

1 个解决方案

#1

New Answer

def argunsort(s):
    n = s.size
    u = np.empty(n, dtype=np.int64)
    u[s] = np.arange(n)
    return u

def gsum(g, v):
    g, v = np.asarray(g), np.asarray(v)
    n = g.size
    a = g.argsort(kind='mergesort')
    i = argunsort(a)
    gs, vs = g[a], v[a]
    lg = np.append(np.where(gs[:-1] != gs[1:])[0], n - 1)
    cn = np.diff(np.append(-1, lg))
    cs = vs.cumsum()
    sm = np.diff(np.append(0, cs[lg]), 1)
    return (v / np.repeat(sm, cn))[i]

Demonstration

示范

df.insert(1, 'adjusted_random', gsum(df.index.values, df.random.values))
df

   random  adjusted_random
A       1         0.166667
A       2         0.333333
A       3         0.500000
B       4         0.444444
B       5         0.555556
C       6         0.285714
C       7         0.333333
C       8         0.380952
D     100         0.330033
D     101         0.333333
D     102         0.336634

timing

定时

Old Answer

Use transform

使用转换

df.random / df.groupby(level=0).random.sum()

A    0.166667
A    0.333333
A    0.500000
B    0.444444
B    0.555556
C    0.285714
C    0.333333
C    0.380952
D    0.330033
D    0.333333
D    0.336634
Name: random, dtype: float64

Create new column

创建新列

df.assign(adjusted_random=df.random / df.groupby(level=0).random.sum())

   random  adjusted_random
A       1         0.166667
A       2         0.333333
A       3         0.500000
B       4         0.444444
B       5         0.555556
C       6         0.285714
C       7         0.333333
C       8         0.380952
D     100         0.330033
D     101         0.333333
D     102         0.336634

---

alternatives

备择方案

df.random.div(df.groupby(level=0).random.transform('sum'))
df.random.div(df.random.sum(level=0))  # @NickilMaveli