时间戳

首页 > 解决方案 > 如何计算pandas中n行与groupby的相关性

python - 如何计算pandas中n行与groupby的相关性

问题描述

我在熊猫中有以下数据框

 code    tank     var     nozzle_1    nozzle_2     nozzle_3
 123     1        23.34   12.23       54.56        12.22
 123     1        22.32   11.32       7.89         3.45
 123     1        21.22   19.93       5.54         5.66
 123     1        21.34   12.23       54.56        22.22
 123     1        32.32   13.32       4.89         32.45
 123     1        32.22   29.93       23.54        23.66
 123     2        23.34   12.23       54.56        12.22
 123     2        22.32   11.32       7.89         3.45
 123     2        21.22   19.93       5.54         5.66
 123     2        21.34   12.23       54.56        22.22
 123     2        32.32   13.32       4.89         32.45
 123     2        32.22   29.93       23.54        23.66

我想找到喷嘴_1、喷嘴_2、喷嘴_3与var列按坦克分组的相关性，并为每3行获取相关性

我想要的数据框是

 code    tank     nozzle_1    nozzle_2     nozzle_3
 123     1        0.20        0.30         0.23 
 123     1        0.12        0.08         0.12
 123     2        0.14        0.12         0.01
 123     2        0.15        0.04         0.13

我正在关注熊猫

cols= df.columns[df.columns.str.contains(pat='nozzle_\d+$', regex=True)] 
cols= np.array(cols)


def corrVar(df, cols):
        for col in cols_to_scale:
            for i in range(0, df.shape[0], 3):
                df[col] = df.groupby('tank')[col, 'var'].corr()
        return df

测试 = corrVar(df, cols)

但是，它并没有给我想要的结果。我们如何在熊猫中做到这一点？

标签： pythonpandas

解决方案

没有直接的解决方案，所以这是我的细分：

  1. 我们得到以开头的列的列索引nozzle
  2. 我们得到列的列索引var
  3. GroupBy打开code, tank并计算每列数据帧前半部分的相关性nozzle
  4. 做同样的事情，但下半场
  5. Concat两半作为数据框相互final重叠
cols_idx = [df.columns.get_loc(c) for c in df.filter(like='nozzle').columns]
var_idx = df.columns.get_loc('var')

df1 = pd.concat([
    df.groupby(['code','tank']).apply(lambda x: x.iloc[:len(x)//2, var_idx].corr(x.iloc[:len(x)//2, idx])) for idx in cols_idx
], axis=1).reset_index()

df2 = pd.concat([
    df.groupby(['code','tank']).apply(lambda x: x.iloc[len(x)//2:, var_idx].corr(x.iloc[len(x)//2:, idx])) for idx in cols_idx
], axis=1).reset_index()


df_final = pd.concat([df1,df2]).sort_values('tank').reset_index(drop=True)

输出

   code  tank         0         1         2
0   123     1 -0.826376  0.876202  0.703793
1   123     1  0.540176 -0.931286  0.614626
2   123     2 -0.826376  0.876202  0.703793
3   123     2  0.540176 -0.931286  0.614626

如果要正确重命名列

推荐阅读