Как рассчитать среднее значение из набора столбцов на основе нескольких условий в пандах? - PullRequest
2 голосов
/ 28 мая 2019

Я хочу создать новый столбец, который показывает среднее значение для нескольких условий. По большей части новый столбец должен вычислять среднее значение для 3 столбцов. Однако если разница между A и B или B и C больше 10, тогда следует использовать только 2 значения с наименьшей разницей.

Например, если A = 2, B = 15 и C = 13, в среднем столбце должно отображаться 14. Поскольку разница между A и B больше 10, поэтому в столбце должны использоваться B и C, поскольку они имеют наименьшую разницу выработать среднее.

Я попытался добавить дополнительные столбцы, которые определяют разницу между A и B и для B и C. После этого я использовал условный оператор, чтобы создать список, который добавляет средние вычисления на основе условий, а затем добавить список в виде колонка. Однако я получаю ошибку «Длина значений не соответствует длине индекса».

Этот код используется для создания моего фрейма данных:

df = pd.DataFrame(np.random.randint(0,20,size=(50, 3)), 
columns=list('ABC'))

Моя попытка найти решение:

df['diff_1'] = df['A'] - df['B']
df['diff_2'] = df['B'] - df['C']

average = []
for i in df['diff_1']:
    if i < -5:
        average.append(df[['A','B']].mean(axis=1))
    if i > 5:
        average.append(df[['A','B']].mean(axis=1))
    else:
        average.append(df[['A','B','C']].mean(axis=1))

df['average'] = average

Я бы тогда повторил для diff_2 и удалил дубликаты, однако это дает мне вышеупомянутую ошибку: Msgstr "Длина значений не соответствует длине индекса". Поэтому мне интересно, есть ли более подходящий метод.

Я ожидаю столбец, который показывает среднее значение всех трех столбцов, за исключением случаев, когда разница между A и B или B и C больше 10. Если это так, то следует рассчитать среднее значение, используя только 2 числа с самая низкая разница.

1 Ответ

3 голосов
/ 28 мая 2019

Используйте numpy.select для выбора значений по условиям:

np.random.seed(123)
df = pd.DataFrame(np.random.randint(0,20,size=(50, 3)), 
columns=list('ABC'))

df['diff_ab'] = (df['A'] - df['B']).abs()
df['diff_bc'] = (df['B'] - df['C']).abs()
mindiff = df[['diff_ab','diff_bc']].min(axis=1)


ab = df[['A','B']].mean(axis=1)
bc = df[['B','C']].mean(axis=1)
abc = df[['A','B','C']].mean(axis=1)

N = 10
df['average1'] = np.select([(df['diff_ab'] > N) & mindiff.eq(df['diff_bc']),
                      (df['diff_bc'] > N) & mindiff.eq(df['diff_ab'])], 
                      [bc, ab],
                      default=abc)

Решение, если необходимо среднее значение минимальной разности любых значений в строках, если разница меньше 10:

#https://stackoverflow.com/a/54861589
x = df[['A','B','C']].values
x.sort()
mask = np.any(np.diff(x) > 10, axis=1)
a = ((x[:, 1:] + x[:, :-1])/2)[np.arange(len(x)), np.diff(x).argmin(axis=1)]
df["average2"] = np.where(mask, a, x.mean(axis=1))

print (df.head(10))

    A   B   C  diff_ab  diff_bc   average1   average2
0  13   2   2       11        0   2.000000   2.000000
1   6  17  19       11        2  18.000000  18.000000
2  10   1   0        9        1   3.666667   3.666667
3  17  15   9        2        6  13.666667  13.666667
4   0  14   0       14       14   7.000000   0.000000
5  15  19  14        4        5  16.000000  16.000000
6   4   0  16        4       16   2.000000   2.000000
7   4  17   3       13       14  10.500000   3.500000
8   2   7   2        5        5   3.666667   3.666667
9  15  16   7        1        9  12.666667  12.666667

Решение с проверкой всех столбцов, используемых для подсчета для проверки / отладки:

np.random.seed(123)
df = pd.DataFrame(np.random.randint(0,20,size=(50, 3)), 
columns=list('ABC'))

df['diff_ab'] = df['A'] - df['B']
df['diff_bc'] = df['B'] - df['C']
#if need difference in absolute values
#df['diff_ab'] = (df['A'] - df['B']).abs()
#df['diff_bc'] = (df['B'] - df['C']).abs()
df['mindiff'] = df[['diff_ab','diff_bc']].min(axis=1)

df['ab'] = df[['A','B']].mean(axis=1)
df['bc'] = df[['B','C']].mean(axis=1)
df['abc'] = df[['A','B','C']].mean(axis=1)

N = 10
df['average'] = np.select([(df['diff_ab'] > N) & df['mindiff'].eq(df['diff_bc']),
                           (df['diff_bc'] > N) & df['mindiff'].eq(df['diff_ab'])], 
                          [df['bc'], df['ab']], default=df['abc'])
...