熊猫-计算所有列的z得分

Question

我有一个数据框，其中包含一列ID，其他所有列都是我要为其计算z分数的数值。这是它的一个小节：

ID      Age    BMI    Risk Factor
PT 6    48     19.3    4
PT 8    43     20.9    NaN
PT 2    39     18.1    3
PT 9    41     19.5    NaN

我的某些列包含不希望包含在z分数计算中的NaN值，因此我打算使用提供给此问题的解决方案：如何使用nans将zscore归一化熊猫列？

df['zscore'] = (df.a - df.a.mean())/df.a.std(ddof=0)

我有兴趣将此解决方案应用于除ID列之外的所有列，以生成新的数据框，我可以使用以下格式将其另存为Excel文件：

df2.to_excel("Z-Scores.xlsx")

所以基本上 如何计算每列的z分数（忽略NaN值）并将所有内容推送到新的数据框中？

旁白：大熊猫中有一个叫做“索引”的概念，它使我感到害怕，因为我不太了解它。如果索引是解决此问题的关键部分，请简化对索引的解释。

Answer 1

从各列构建一个列表，然后删除您不想为其计算Z分数的列：

In [66]:
cols = list(df.columns)
cols.remove('ID')
df[cols]

Out[66]:
   Age  BMI  Risk  Factor
0    6   48  19.3       4
1    8   43  20.9     NaN
2    2   39  18.1       3
3    9   41  19.5     NaN
In [68]:
# now iterate over the remaining columns and create a new zscore column
for col in cols:
    col_zscore = col + '_zscore'
    df[col_zscore] = (df[col] - df[col].mean())/df[col].std(ddof=0)
df
Out[68]:
   ID  Age  BMI  Risk  Factor  Age_zscore  BMI_zscore  Risk_zscore  \
0  PT    6   48  19.3       4   -0.093250    1.569614    -0.150946   
1  PT    8   43  20.9     NaN    0.652753    0.074744     1.459148   
2  PT    2   39  18.1       3   -1.585258   -1.121153    -1.358517   
3  PT    9   41  19.5     NaN    1.025755   -0.523205     0.050315

   Factor_zscore  
0              1  
1            NaN  
2             -1  
3            NaN