计算不同年份和科类的Z分数（Z-Score）可以通过 `pandas` 和 `scipy` 库实现。Z分数是标准化数据的一种方法，其公式为： $$ Z = \frac{x - \mu}{\sigma} $$ 其中 $ x $ 是原始值，$ \mu $ 是分组内的均值，$ \sigma $ 是分组的标准差。 以下是一个完整的示例代码，演示如何按年份和科类对数据进行分组，并计算每组的Z分数： ```python import pandas as pd import numpy as np from scipy.stats import zscore # 示例数据集 data = { 'Year': [2020, 2020, 2020, 2021, 2021, 2021, 2022, 2022, 2022], 'Subject': ['Math', 'Science', 'Math', 'Science', 'Math', 'Science', 'Math', 'Science', 'Math'], 'Score': [85, 90, 78, 92, 88, 84, 95, 89, 80] } # 转换为 DataFrame df = pd.DataFrame(data) # 使用 groupby 按照 'Year' 和 'Subject' 分组，并对 'Score' 计算 Z 分数 df['Z_Score'] = df.groupby(['Year', 'Subject'])['Score'].transform(zscore) # 输出结果 print(df) ``` ### 说明： - `groupby(['Year', 'Subject'])` 将数据按照年份和科类分组。 - `transform(zscore)` 对每个分组的数据应用 Z 分数计算，并返回与原数据相同长度的结果[^1]。 ### 处理缺失值或异常值： 如果数据中存在缺失值，可以使用 `fillna()` 进行填充或删除包含缺失值的行。此外，如果某个组只有一个样本，计算Z分数时会得到 `NaN`（因为标准差无法计算），此时可以设置参数 `ddof=0` 来避免错误： ```python df['Z_Score'] = df.groupby(['Year', 'Subject'])['Score'].transform( lambda x: zscore(x, ddof=0) if len(x) > 1 else np.nan ) ``` ### 数据输出示例： | | Year | Subject | Score | Z_Score | |--:|-----:|:--------|------:|--------:| | 0 | 2020 | Math | 85 | 0.7 | | 1 | 2020 | Science | 90 | 0.7 | | 2 | 2020 | Math | 78 | -0.7 | | 3 | 2021 | Science | 92 | 1.0 | | 4 | 2021 | Math | 88 | 0.0 | | 5 | 2021 | Science | 84 | -1.0 | | 6 | 2022 | Math | 95 | 1.0 | | 7 | 2022 | Science | 89 | 0.7 | | 8 | 2022 | Math | 80 | -1.0 |