Средневзвешенное значение для нескольких столбцов с использованием группировки, отбрасывая NaN по столбцам

Question

У меня есть такая ситуация, как Средневзвешенное значение по нескольким столбцам в группе Pandas , но иногда некоторые значения одного столбца иногда равны NaN.

То есть я делаю следующее:

import pandas as pd
import numpy as np

df=pd.DataFrame({'category':['a','a','b','b'],
 'var1':np.random.randint(0,100,4),
 'var2':np.random.randint(0,100,4),
 'weights':np.random.randint(0,10,4)})
df.loc[1,'var1']=np.nan
df


      category  var1  var2  weights
0        a      74.0    99        9
1        a       NaN     8        4
2        b      13.0    86        2
3        b      49.0    38        7

def weighted(x, cols, w="weights"):
    # Following fails when NaNs might be present:
    #return pd.Series(np.average(x[cols], weights=x[w], axis=0), cols)
    return pd.Series([np.nan if x.dropna(subset=[c]).empty else np.average(x.dropna(subset=[c])[c], weights =x.dropna(subset=[c])[w] ) for c in cols], cols)

df.groupby('category').apply(weighted, ['var1', 'var2'])


          var1       var2
category                 
a         74.0  57.846154
b         23.0   8.000000

Я бы хотел более хороший способ сделать это, но np.nanmean не позволяет весить. np.average не дает возможности контролировать обработку NaN.

Answer 1

Как насчет установки значения Nan на ноль и создания нового столбца, который равен var * weight. Затем вы можете использовать groupby, чтобы получить результат.