如何使用熊猫计算累积加权平均值

Question

我想问你如何在pandas数据框中找到特定列值的累积平均值。 首先，数据如下所示：

公司	日期	审稿人	速度
一种	2021-01-01	一种	5
一种	2021-01-01	乙	1
一种	2021-01-01	C	2
一种	2021-01-02	d	3
一种	2021-01-02	电子	4
一种	2021-01-03	F	3
一种	2021-01-04	G	5
乙	2021-01-01	H	5
乙	2021-01-01	一世	2
乙	2021-01-02	j	3
乙	2021-01-02	克	4
乙	2021-01-03	一种	3
乙	2021-01-04	乙	5

我要查找的是按日期获取特定公司的平均评级，并添加一列以查找累积平均评级，包括今天的平均评级。
我想把它变成一个像下面这样的数据框。

公司	日期	审稿人	速度	cum_avg_rate
一种	2021-01-01	一种	5	2.667
一种	2021-01-01	乙	1	2.667
一种	2021-01-01	C	2	2.667
一种	2021-01-02	d	3	3
一种	2021-01-02	电子	4	3
一种	2021-01-03	F	3	3
一种	2021-01-04	G	5	3.286
乙	2021-01-01	H	5	3.5
乙	2021-01-01	一世	2	3.5
乙	2021-01-02	j	3	3.5
乙	2021-01-02	克	4	3.5
乙	2021-01-03	一种	3	3.4
乙	2021-01-04	乙	5	3.667

到目前为止，我尝试过的方法是创建一个新的数据框，使用带有公司和日期的“groupby”方法计算平均分数和评论数量，并使用它来创建每天的累积平均值。
代码如下。

firm_gp=avg_mean_rate.groupby(['firm','date'])['mean']
firm_gp_count=avg_mean_rate.groupby(['firm','date'])['count']
avg_mean_rate['new_avg_grade']=( (firm_gp * firm_gp_count).cumsum())/firm_gp_count.cumsum()

但是问题是在计算每一天的累积平均值的过程中出现了如下错误。
TypeError: unsupported operand type(s) for *: 'SeriesGroupBy' and 'method'

作为第二种方法，我使用 numpy 尝试了以下方法。

def w_cum_avg(avg_mean_rate,mean,count):
    d=avg_mean_rate['mean']
    w= avg_mean_rate['count']
    return(d*w).cumsum() / w.cumsum()
avg_mean_rate.groupby(['firm','date']).apply(w_cum_avg,'mean','count')

但这并不奏效，这是我所期望的。

如果您能教我如何获得结果，我将不胜感激。

先感谢您。

Answer 1

我们可以使用groupby aggregate然后groupby cumsum count每个firm的每日sum和count ，以获得每个firm的每日累计总数。 通过划分并join回 DataFrame 来计算平均值：

g = (
    df.groupby(['firm', 'date'])['rate']
        .agg(['sum', 'count'])
        .groupby(level='firm').cumsum()
)

df = df.join(
    g['sum'].div(g['count']).rename('cum_avg_rate'),
    on=['firm', 'date']  # align index on columns
)

df ：

   firm        date reviewer  rate  cum_avg_rate
0     A  2021-01-01        a     5      2.666667
1     A  2021-01-01        b     1      2.666667
2     A  2021-01-01        c     2      2.666667
3     A  2021-01-02        d     3      3.000000
4     A  2021-01-02        e     4      3.000000
5     A  2021-01-03        f     3      3.000000
6     A  2021-01-04        g     5      3.285714
7     B  2021-01-01        h     5      3.500000
8     B  2021-01-01        i     2      3.500000
9     B  2021-01-02        j     3      3.500000
10    B  2021-01-02        k     4      3.500000
11    B  2021-01-03        a     3      3.400000
12    B  2021-01-04        b     5      3.666667

---

设置：

import pandas as pd

df = pd.DataFrame({
    'firm': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'B'],
    'date': ['2021-01-01', '2021-01-01', '2021-01-01', '2021-01-02',
             '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-01',
             '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03',
             '2021-01-04'],
    'reviewer': ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'a',
                 'b'],
    'rate': [5, 1, 2, 3, 4, 3, 5, 5, 2, 3, 4, 3, 5]
})