[英]Calculating weighted average in Pandas using NumPy function
假设我们有一个像这样的熊猫数据框:
a b id
36 25 2
40 25 3
46 23 2
40 22 5
42 20 5
56 39 3
我想执行一个操作(a div b),然后按 id 分组,最后计算加权平均值,使用“a”作为权重。 当我只计算平均值时,它才起作用。
import pandas as pd
import numpy as np
df = pd.read_csv('file', sep='\s+')
a = (df['a'].div(df['b'])).groupby(df['id']).mean() # work fine
b = (df['a'].div(df['b'])).groupby(df['dd']).apply(lambda x: np.average(x ??? ), weights=x['a']))
不知道如何将df['a'].div(df['b']的值解析为 numpy average 函数的第一个参数。有什么想法吗?
预期输出:
id Weighted Average
0 2 1.754146
1 3 1.504274
2 5 1.962528
您是否希望按id
对加权平均值进行分组?
df.groupby('id').apply(lambda x: np.average(x['b'],weights=x['a'])).reset_index(name='Weighted Average')
Out[1]:
id Weighted Average
0 2 23.878049
1 3 33.166667
2 5 20.975610
或者如果你想做 a / b 的加权平均:
(df.groupby('id').apply(lambda x: np.average(x['a']/x['b'],weights=x['a']))
.reset_index(name='Weighted Average'))
Out[2]:
id Weighted Average
0 2 1.754146
1 3 1.504274
2 5 1.962528
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.