Pandas: вычислить средневзвешенное по строке, используя фрейм данных и ряд

Question

Я пытался сделать взвешенное среднее, и у меня возникло сомнение:

Проблема

Я хотел создать новый столбец с именем answer, который вычисляет результат между каждой строкой и списком. взвешенных значений, названных в этом случае как month. Если я использую df.mean(), я получу простое среднее значение по месяцам, а это не то, что я хочу. Идея состоит в том, чтобы придать большее значение концу года и меньше значить спросу в начале года. Вот почему я хотел бы использовать средневзвешенный расчет.

В excel Я бы использовал формулу ниже. У меня проблемы с преобразованием этого вычисления в pandas фрейм данных.

=SUMPRODUCT( demands[@[1]:[12]] ; month )/SUM(month)

Я не смог найти решение этой проблемы, и я очень признателен за помощь в этом вопросе.

Заранее спасибо.

Вот примерный фрейм данных, который служит примером:

Пример кода

demand = pd.DataFrame({'1': [360, 40, 100, 20, 55],
                       '2': [500, 180, 450, 60, 50],
                       '3': [64, 30, 60, 10, 0],
                       '4': [50, 40, 30, 60, 50],
                       '5': [40, 24, 45, 34, 60],
                       '6': [30, 34, 65, 80, 78],
                       '7': [56, 45, 34, 90, 58],
                       '8': [32, 12, 45, 55, 66],
                       '9': [32, 56, 89, 67, 56],
                       '10': [57, 35, 75, 48, 9],
                       '11': [56, 33, 11, 6, 78],
                       '12': [23, 65, 34, 8, 67]
                      })

months = [i for i in range(1,13)]

Визуализация проблемы

Answer 1

Просто используйте numpy.average, указав weights:

demand["result"]=np.average(demand, weights=months, axis=1)

https://docs.scipy.org/doc/numpy-1.15.1/reference/generated/numpy.average.html

Выходы:

     1    2   3   4   5   6  ...   8   9  10  11  12     result
0  360  500  64  50  40  30  ...  32  32  57  56  23  58.076923
1   40  180  30  40  24  34  ...  12  56  35  33  65  43.358974
2  100  450  60  30  45  65  ...  45  89  75  11  34  58.884615
3   20   60  10  60  34  80  ...  55  67  48   6   8  43.269231
4   55   50   0  50  60  78  ...  66  56   9  78  67  55.294872

Answer 2

Это можно сделать следующим образом:

demand['result'] = (demand * months).sum(axis=1)/sum(months)

Answer 3

Вы можете попробовать этот код:

den = np.sum(a)
demand['average']=demand['1'].mul(1/den).add(demand['2'].mul(2/den)).add(demand['3'].mul(3/den)).add(demand['4'].mul(4/den)).add(demand['5'].mul(5/den)).add(demand['6'].mul(6/den)).add(demand['7'].mul(7/den)).add(demand['8'].mul(8/den)).add(demand['9'].mul(9/den)).add(demand['10'].mul(10/den)).add(demand['11'].mul(11/den)).add(demand['12'].mul(12/den))

Выход:

    1   2   3   4   5   6   7   8   9   10  11  12  average
0   360 500 64  50  40  30  56  32  32  57  56  23  58.076923
1   40  180 30  40  24  34  45  12  56  35  33  65  43.358974
2   100 450 60  30  45  65  34  45  89  75  11  34  58.884615
3   20  60  10  60  34  80  90  55  67  48  6   8   43.269231
4   55  50  0   50  60  78  58  66  56  9   78  67  55.294872