使用熊貓/數據框計算加權平均值

Question

我有下表。我想根據下面的公式計算每個日期分組的加權平均值。我可以使用一些標準的常規代碼來做到這一點，但假設這些數據是在熊貓數據框中，是否有更簡單的方法來實現這一點，而不是通過迭代？

Date  ID  wt  value w_avg 
01/01/2012 100  0.50 60  0.791666667 
01/01/2012 101  0.75 80 
01/01/2012 102  1.00 100 
01/02/2012 201  0.50 100  0.722222222 
01/02/2012 202  1.00 80 

01/01/2012 w_avg = 0.5 *（60 /總和（60,80,100））+ 0.75 *（80 /總和（60,80,100））+ 1.0 *（100 /和（60， 80100））

01/02/2012 w_avg = 0.5 *（100 /和（100,80））+ 1.0 *（80 /總和（100,80））

Answer 1

我認爲將與這樣做兩個groupbys。

首先計算出「加權平均」：

In [11]: g = df.groupby('Date') 

In [12]: df.value/g.value.transform("sum") * df.wt 
Out[12]: 
0 0.125000 
1 0.250000 
2 0.416667 
3 0.277778 
4 0.444444 
dtype: float64 

如果設置此爲一列，您可以通過它GROUPBY：

In [13]: df['wa'] = df.value/g.value.transform("sum") * df.wt 

現在這列的總和是期望：

In [14]: g.wa.sum() 
Out[14]: 
Date 
01/01/2012 0.791667 
01/02/2012 0.722222 
Name: wa, dtype: float64 

或潛在：

In [15]: g.wa.transform("sum") 
Out[15]: 
0 0.791667 
1 0.791667 
2 0.791667 
3 0.722222 
4 0.722222 
Name: wa, dtype: float64 

Answer 2

讓我們首先創建示例大熊貓數據幀：

In [1]: import numpy as np 

In [2]: import pandas as pd 

In [3]: index = pd.Index(['01/01/2012','01/01/2012','01/01/2012','01/02/2012','01/02/2012'], name='Date') 

In [4]: df = pd.DataFrame({'ID':[100,101,102,201,202],'wt':[.5,.75,1,.5,1],'value':[60,80,100,100,80]},index=index) 

然後，獲得作爲「重量」通過「價值」加權和由索引分組的平均：

In [5]: df.groupby(df.index).apply(lambda x: np.average(x.wt, weights=x.value)) 
Out[5]: 
Date 
01/01/2012 0.791667 
01/02/2012 0.722222 
dtype: float64 

替代地，還可以定義一個功能：

In [5]: def grouped_weighted_avg(values, weights, by): 
    ...:  return (values * weights).groupby(by).sum()/weights.groupby(by).sum() 

In [6]: grouped_weighted_avg(values=df.wt, weights=df.value, by=df.index) 
Out[6]: 
Date 
01/01/2012 0.791667 
01/02/2012 0.722222 
dtype: float64 

Answer 3

我覺得以下是一個優雅的解決方案從:(Pandas DataFrame aggregate function using multiple columns這個問題）

grouped = df.groupby('Date') 

def wavg(group): 
    d = group['value'] 
    w = group['wt'] 
    return (d * w).sum()/w.sum() 

grouped.apply(wavg) 

Answer 4

我.csv文件保存表

df=pd.read_csv('book1.csv') 

grouped=df.groupby('Date') 
g_wavg= lambda x: np.average(x.wt, weights=x.value) 
grouped.apply(g_wavg)