[英]Row-wise Cumulative Mean Across Grouped Columns using Pandas
我想创建多个列来显示分组列的逐行累积平均值。 以下是一些示例数据:
import pandas as pd
data = [[1, 4, 6, 10, 15, 40, 90, 100], [2, 5, 3, 11, 25, 50, 90, 120], [3, 7, 9, 14, 35, 55, 100, 120]]
df = pd.DataFrame(data, columns=['a1', 'a2', 'a3', 'a4', 'b1', 'b2', 'b3', 'b4'])
a1 a2 a3 a4 b1 b2 b3 b4
0 1 4 6 10 15 40 90 100
1 2 5 3 11 25 50 90 120
2 3 7 9 14 35 55 100 120
我想要的是生成这样的新列:
a1_2
由列a1
和a2
逐行计算。a1_3
由列a1
、 a2
和a3
逐行计算。a1_4
由列a1
、 a2
、 a3
和a4
逐行计算。 对于带有b
的分组列也应该发生同样的情况。 当然,您可以手动执行此操作,但是当您有太多变量时,这并不理想。 这是预期的 output:
df['a1_2'] = df[['a1', 'a2']].mean(axis=1)
df['a1_3'] = df[['a1', 'a2', 'a3']].mean(axis=1)
df['a1_4'] = df[['a1', 'a2', 'a3', 'a4']].mean(axis=1)
df['b1_2'] = df[['b1', 'b2']].mean(axis=1)
df['b1_3'] = df[['b1', 'b2', 'b3']].mean(axis=1)
df['b1_4'] = df[['b1', 'b2', 'b3', 'b4']].mean(axis=1)
a1 a2 a3 a4 b1 b2 b3 b4 a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
0 1 4 6 10 15 40 90 100 2.5 3.666667 5.25 27.5 48.333333 61.25
1 2 5 3 11 25 50 90 120 3.5 3.333333 5.25 37.5 55.000000 71.25
2 3 7 9 14 35 55 100 120 5.0 6.333333 8.25 45.0 63.333333 77.50
所以我想知道是否有一些自动的方法可以做到这一点?
IIUC,您可以使用wide_to_long
重塑形状,执行groupby.rolling
,然后取消unstack
并展平多索引:
df.join(pd
.wide_to_long(df.reset_index(), stubnames=['a', 'b'], i='index', j='n')
.groupby(level='index').expanding().mean()
.loc[lambda d: d.index.get_level_values('n')>1]
.droplevel(0).unstack('n')
.pipe(lambda d: d.set_axis(d.columns.map(lambda x: f'{x[0]}1_{x[1]}'), axis=1))
)
output:
a1 a2 a3 a4 b1 b2 b3 b4 a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
0 1 4 6 10 15 40 90 100 2.5 3.666667 5.25 27.5 48.333333 61.25
1 2 5 3 11 25 50 90 120 3.5 3.333333 5.25 37.5 55.000000 71.25
2 3 7 9 14 35 55 100 120 5.0 6.333333 8.25 45.0 63.333333 77.50
expanding.mean
for c in ('a', 'b'):
m = df.filter(like=c).expanding(axis=1).mean().iloc[:, 1:]
df[m.columns.str.replace(r'(\d+)$', r'1_\1', regex=True)] = m
a1 a2 a3 a4 b1 b2 b3 b4 a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
0 1 4 6 10 15 40 90 100 2.5 3.666667 5.25 27.5 48.333333 61.25
1 2 5 3 11 25 50 90 120 3.5 3.333333 5.25 37.5 55.000000 71.25
2 3 7 9 14 35 55 100 120 5.0 6.333333 8.25 45.0 63.333333 77.50
另外的选择:
out = [value.expanding(axis=1).mean()
.rename(columns = lambda col: f"{col[0]}1_{col[1]}")
for _, value in df.groupby(df.columns.str[0], axis = 1)]
pd.concat([df]+out, axis = 1)
a1 a2 a3 a4 b1 b2 b3 b4 a1_1 a1_2 a1_3 a1_4 b1_1 b1_2 b1_3 b1_4
0 1 4 6 10 15 40 90 100 1.0 2.5 3.666667 5.25 15.0 27.5 48.333333 61.25
1 2 5 3 11 25 50 90 120 2.0 3.5 3.333333 5.25 25.0 37.5 55.000000 71.25
2 3 7 9 14 35 55 100 120 3.0 5.0 6.333333 8.25 35.0 45.0 63.333333 77.50
groups = df.groupby(lambda col: col[0], axis=1)
cummeans = (groups.cumsum(axis=1).div(groups.cumcount().add(1))
.filter(regex="[^1]$")
.rename(lambda col: re.sub(r"(\d+)$", r"1_\1", col), axis=1))
result = df.join(cummeans)
获取由列的第一个字符确定的组(或其他方式取决于模式)
获得累积均值 = cumsum / cumcount+1
过滤掉第一个 cummeans,例如,to-be a1_1 等。
在 cummean 列名中插入“1_”
加入原始df
In [19]: groups = df.groupby(lambda col: col[0], axis=1)
In [20]: cummeans = groups.cumsum(axis=1).div(groups.cumcount().add(1))
In [21]: cummeans
Out[21]:
a1 a2 a3 a4 b1 b2 b3 b4
0 1.0 2.5 3.666667 5.25 15.0 27.5 48.333333 61.25
1 2.0 3.5 3.333333 5.25 25.0 37.5 55.000000 71.25
2 3.0 5.0 6.333333 8.25 35.0 45.0 63.333333 77.50
In [22]: _.filter(regex="[^1]$")
Out[22]:
a2 a3 a4 b2 b3 b4
0 2.5 3.666667 5.25 27.5 48.333333 61.25
1 3.5 3.333333 5.25 37.5 55.000000 71.25
2 5.0 6.333333 8.25 45.0 63.333333 77.50
In [23]: _.rename(lambda col: re.sub(r"(\d+)$", r"1_\1", col), axis=1)
Out[23]:
a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
0 2.5 3.666667 5.25 27.5 48.333333 61.25
1 3.5 3.333333 5.25 37.5 55.000000 71.25
2 5.0 6.333333 8.25 45.0 63.333333 77.50
In [24]: df.join(_)
Out[24]:
a1 a2 a3 a4 b1 b2 b3 b4 a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
0 1 4 6 10 15 40 90 100 2.5 3.666667 5.25 27.5 48.333333 61.25
1 2 5 3 11 25 50 90 120 3.5 3.333333 5.25 37.5 55.000000 71.25
2 3 7 9 14 35 55 100 120 5.0 6.333333 8.25 45.0 63.333333 77.50
作为“一”行:
df.join(df.groupby(lambda col: col[0], axis=1)
.pipe(lambda gr: gr.cumsum(axis=1).div(gr.cumcount().add(1))
.filter(regex="[^1]$")
.rename(lambda col: re.sub(r"(\d+)$", r"1_\1", col), axis=1)))
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.