表上的简单计算.请帮助我使我的代码更有效

Question

请帮助我提高代码的效率。这是我的df:

df = pd.DataFrame([['A', 80], ['A', 64], ['A', 55], ['B', 56], ['B', 89], ['B', 73], ['C', 78], ['C', 100], ['C', 150], ['C', 76], ['C', 87]], columns=['Well', 'GR'])

Well    GR
A       80
A       64
A       55
B       56
B       89
B       73
C       78
C       100
C       150
C       76
C       87

请帮我找到Vshale。每口井的V页岩=GR-GR(最小(/GR(最大(-GR(最小(。这是我想要的结果：

Well    GR      Vshale
A       80      1
A       64      0.36
A       55      0
B       56      0
B       89      1
B       73      0.515151515
C       78      0.027027027
C       100     0.324324324
C       150     1
C       76      0
C       87      0.148648649

这段代码对我来说是可行的，但是，我应该创建一个由GRMax和GRMin组成的新列，并将其合并到我以前的df中。我正在寻找一种更有效的方法，而不在我原来的df上添加GRmin和GRmax。非常感谢。

df1 = df.groupby(['Well']).agg({'GR': ['min', 'max']}).reset_index()
df1.columns = list(map(''.join, df1.columns.values))
df2 = pd.merge (df, df1, on = 'Well', how = 'left')
df2['Vshale'] = (df2['GR'] - df2['GRmin'])/(df2['GRmax'] - df2['GRmin'])

Answer 1

具有方法转换的单字符串解决方案：

df['Vshale'] = df.groupby('Well').transform(lambda x: (x - np.min(x))/(np.max(x) - np.min(x)))

Answer 2

试试这个：

df=pd.DataFrame([['A', 80], ['A', 64], ['A', 55], ['B', 56], ['B', 89], ['B', 73], ['C', 78], ['C', 100], ['C', 150], ['C', 76], ['C', 87]], columns=['Well', 'GR'])
a=[]
for i in np.unique(df['Well']):
x=pd.DataFrame(df['GR']-df['GR'][df['Well']==i].min())/(df['GR'][df['Well']==i].max()-df['GR'][df['Well']==i].min() )
x['Well']=i
x=x[df['Well']==i]
a.append(x)
gr=pd.concat(a)
df['Vshale']=gr['GR']

输出：

df
Out[53]: 
Well   GR    Vshale
0     A   80  1.000000
1     A   64  0.360000
2     A   55  0.000000
3     B   56  0.000000
4     B   89  1.000000
5     B   73  0.515152
6     C   78  0.027027
7     C  100  0.324324
8     C  150  1.000000
9     C   76  0.000000
10    C   87  0.148649

说明：

• 创建一个空列表a
• 使用for循环实现Well所有唯一值的逻辑
• 应用公式并将结果存储在x中(请注意，每次迭代此循环时，公式都会应用于Wells的所有值，因此需要执行下一步操作(
• 通过索引，将x减少为仅具有该特定Well值的值
• 将该x附加到初始化列表a
• 现在只需连接列表中的数据帧，并将这些值分配给原始数据帧