Сгруппированные по взвешенным средним значениям столбцов в пандах

Question

Итак, у меня есть два столбца значений и два весовых столбца в фрейме данных Pandas, и я хочу создать третий столбец, который будет сгруппирован по средневзвешенному значению этих двух столбцов.

Так для:

df = pd.DataFrame({'category':['a','a','b','b'],
  'var1':np.random.randint(0,100,4),
  'var2':np.random.randint(0,100,4),
  'weights1':np.random.random(4),
  'weights2':np.random.random(4)})
df
  category  var1  var2  weights1  weights2
0        a    84    45  0.955234  0.729862
1        a    49     5  0.225470  0.159662
2        b    77    95  0.957212  0.991960
3        b    27    65  0.491877  0.195680

Я бы хотел выполнить:

df
  category  var1  var2  weights1  weights2    average
0        a    84    45  0.955234  0.729862  67.108023
1        a    49     5  0.225470  0.159662  30.759124
2        b    77    95  0.957212  0.991960  86.160443
3        b    27    65  0.491877  0.195680  37.814851

Я уже выполнил это, используя только такие арифметические операторы:

df['average'] = df.groupby('category', group_keys=False) \
  .apply(lambda g: (g.weights1 * g.var1 + g.weights2 * g.var2) / (g.weights1 + g.weights2))

Но я хочу обобщить его, используя numpy.average, поэтому я могу, например, взять средневзвешенное значение из 3 или более столбцов.

Я пытаюсь что-то вроде этого, но, похоже, это не работает:

df['average'] = df.groupby('category', group_keys=False) \
  .apply(lambda g: np.average([g.var1, g.var2], axis=0, weights=[g.weights1, g.weights2]))

возвращение

TypeError: incompatible index of inserted column with frame index

Может кто-нибудь помочь мне сделать это?

Answer 1

Я даже не думаю, что вам нужно groupby здесь. Обратите внимание, это соответствует выводу с apply + lambda.

Попробуйте это:

col=df.drop('category',1)
s=col.groupby(col.columns.str.findall(r'\d+').str[0],axis=1).prod().sum(1)
s/df.filter(like='weight').sum(1)
Out[33]: 
0    67.108014
1    30.759168
2    86.160444
3    37.814871
dtype: float64

Answer 2

Это один подход:

import numpy as np
import pandas as pd

df = pd.DataFrame({'category': ['a', 'a', 'b', 'b'],
                   'var1': np.random.randint(0, 100, 4),
                   'var2': np.random.randint(0, 100, 4),
                   'weights1': np.random.random(4),
                   'weights2': np.random.random(4)})

df_averages = df[df.columns.difference(['category', 'var1', 'var2'])]

Выход:

    weights1    weights2
0   0.002812    0.483088
1   0.159774    0.818346
2   0.285366    0.586706
3   0.427240    0.428667

df_averages['Average'] = df_averages.mean(axis=1)

Выход:

    weights1    weights2    Average
0   0.002812    0.483088    0.242950
1   0.159774    0.818346    0.489060
2   0.285366    0.586706    0.436036
3   0.427240    0.428667    0.427954

df['Averages'] = df_averages['Average'].astype(float)

Выход:

  category  var1    var2    weights1    weights2    Averages
0   a        60      22     0.002812    0.483088    0.242950
1   a        66      63     0.159774    0.818346    0.489060
2   b        18      10     0.285366    0.586706    0.436036
3   b        68      32     0.427240    0.428667    0.427954

По существу удалите невзвешенные столбцы из кадра данных и переместите взвешенные столбцы в новый. Затем вы можете применить среднее значение к строкам этого фрейма данных и объединить его обратно, так как индекс будет прежним.

Answer 3

Поскольку у вас есть одно значение в среднем столбце для каждой строки в df, вам не нужно группировать. Вам просто нужен динамический способ вычисления среднего значения для переменного числа 'varXXX' столбцов.

Ответ ниже опирается на одинаковое количество столбцов «var» и «weights», с единообразным шаблоном именования, поскольку он создает строку имени столбца

df = pd.DataFrame({'category': ['a', 'a', 'b', 'b'],
                   'var1': np.random.randint(0, 100, 4),
                   'var2': np.random.randint(0, 100, 4),
                   'var3': np.random.randint(0, 100, 4),
                   'weights1': np.random.random(4),
                   'weights2': np.random.random(4),
                   'weights3': np.random.random(4)
                   })

n_cols = len([1 for i in df.columns if i[:3] == 'var'])

def weighted_av_func(x):
    numerator = 0
    denominator = 0
    for i in range(1, n_cols + 1):
        numerator += x['var{}'.format(i)] * x['weights{}'.format(i)]
        denominator += x['weights{}'.format(i)]
    return numerator / denominator

df['average'] = df.apply(weighted_av_func, axis=1)

print(df)

  category  var1  var2  var3  weights1  weights2  weights3    average
0        a    53    58     2  0.101798  0.073881  0.919632  10.517238
1        a    52     0    26  0.073988  0.816425  0.888792  15.150578
2        b    30    78    46  0.641875  0.029402  0.370237  37.042735
3        b    36    72    92  0.186941  0.663270  0.774427  77.391136

Edit: Если вы хотите использовать np.average и можете гарантировать порядок столбцов var и весовых столбцов в вашем фрейме данных, то вы можете сделать это:

df['np_average'] = df.apply(
lambda x: np.average(a=x[1:1 + n_cols], 
                     weights=x[n_cols + 1:2 * n_cols + 1]), 
                     axis=1)