計算MAD（平均絕對差）的GroupBy熊貓

Question

我有一個數據幀：

Type Name Cost 
    A X 545 
    B Y 789 
    C Z 477 
    D X 640 
    C X 435 
    B Z 335 
    A X 850 
    B Y 152 

我有類型[ 'A'， 'B'， 'C'， 'd' 在我的數據幀所有這樣的組合]和名稱['X'，'Y'，'Z']。我用GROUPBY方法在特定的組合獲得的統計在一起，就像A-X，A-Y，A-Z。這裏的一些代碼：

df = pd.DataFrame({'Type':['A','B','C','D','C','B','A','B'] ,'Name':['X','Y','Z','X','X','Z','X','Y'], 'Cost':[545,789,477,640,435,335,850,152]}) 
df.groupby(['Name','Type']).agg([mean,std]) 
#need to use mad instead of std 

我需要消除3個以上的MADS遠的意見;喜歡的東西：

test = df[np.abs(df.Cost-df.Cost.mean())<=(3*df.Cost.mad())] 

我很困惑以此爲df.Cost.mad（）返回的整個數據，而不是特定的類型名稱類別成本MAD。我怎麼能把兩者結合起來？

Answer 1

您可以使用groupby和transform創建可用於過濾數據的新數據系列。

groups = df.groupby(['Name','Type']) 
mad = groups['Cost'].transform(lambda x: x.mad()) 
dif = groups['Cost'].transform(lambda x: np.abs(x - x.mean())) 
df2 = df[dif <= 3*mad] 

然而，在這種情況下，沒有行被過濾掉，因爲差等於絕對平均偏差（組最多隻有兩行）。