[英]How to perform multiplication of a column value row wise with another dataframe?
[英]How to perform Row wise sum based on column condition and add Class Wise specific value as Column?
Cluster Class Value
0 0 10 1
1 0 11 1
2 0 14 3
3 0 18 1
4 0 26 1
5 0 29 1
6 0 30 1
7 1 0 2
8 1 19 1
9 1 20 1
10 1 21 2
11 1 36 1
12 1 26 1
13 1 27 1
14 1 37 2
15 1 33 1
这个表是根据 Which class falls under which Cluster 得出的。 像Class 10, 11, 14等等都落入了Cluster 0。而Value列表示class成员有多少。 像 Class 14 中的 3 个成员落入了 Cluster 0。
现在我想要的 output 是这样的:
Cluster Class Value Cluster_Sum
0 0 10 1 9
1 0 11 1 9
2 0 14 3 9
3 0 18 1 9
4 0 26 1 9
5 0 29 1 9
6 0 30 1 9
其他集群也一样。 我的最终目标是创建一个专栏“Precision”,它是
df['Precision'] = df['Value']/ df['Cluster_Sum']
每行。
我怎样才能使用 python 做到这一点?
编辑:- 它工作得很好。 谢谢你的帮助。
最终这是我的目标。 对于每个 class,它的编号是固定的。 比如 Class 1:10, Class 2:12....等等。 我需要添加一个像“Class_Sum”这样的列。 其中包含总共 class 的数据。然后我可以通过以下方式找到召回
`df['Recall'] = df['Value']/ df['Class_Sum']`
但我的问题是我怎么能 append 这个我的信息
Class 1 10
Class 2 12
Class 3 23
Class 4 11
Class 5 17
Class 6 13
Class 7 16
Class 8 15
Class 9 14
Class 10 18
Class 11 09
Class 12 07
Class 13 16
Class 14 21
Class 15 17
Class 16 23
Class 17 10
Class 18 21
Class 19 12
Class 20 45
Class 21 12
Class 22 12
Class 23 15
Class 24 11
Class 25 09
Class 26 11
Class 27 08
Class 28 10
Class 29 11
Class 30 19
Class 31 17
Class 32 15
Class 33 12
Class 34 07
Class 35 06
Class 36 14
Class 37 13
Class 38 16
像这样给我的 Dataframe
Cluster Class Class_SUm Value ClusSum Precision RCll
10 18
11 09
14 21
18 21
26 11
29 11
30 19
如何做呢?
尝试使用groupby
:
df["Cluster_Sum"] = df.groupby("Cluster")["Value"].transform("sum")
>>> df
Cluster Class Value Cluster_Sum
0 0 10 1 9
1 0 11 1 9
2 0 14 3 9
3 0 18 1 9
4 0 26 1 9
5 0 29 1 9
6 0 30 1 9
7 1 0 2 12
8 1 19 1 12
9 1 20 1 12
10 1 21 2 12
11 1 36 1 12
12 1 26 1 12
13 1 27 1 12
14 1 37 2 12
15 1 33 1 12
groupby
+ transform("sum")
是你的朋友:
df['Precision'] = df["Value"] / df.groupby("Cluster")["Value"].transform("sum")
Output:
>>> df
Cluster Class Value Precision
0 0 10 1 0.111111
1 0 11 1 0.111111
2 0 14 3 0.333333
3 0 18 1 0.111111
4 0 26 1 0.111111
5 0 29 1 0.111111
6 0 30 1 0.111111
7 1 0 2 0.166667
8 1 19 1 0.083333
9 1 20 1 0.083333
10 1 21 2 0.166667
11 1 36 1 0.083333
12 1 26 1 0.083333
13 1 27 1 0.083333
14 1 37 2 0.166667
15 1 33 1 0.083333
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.