时间戳

首页 > 解决方案 > 根据其他列 ID 从现有数据框中获取新熊猫数据框中的加权平均汇总数据列

python - 根据其他列 ID 从现有数据框中获取新熊猫数据框中的加权平均汇总数据列

问题描述

与我在这里遇到的早期问题有些相似的问题：Get summary data columns in new pandas dataframe from existing dataframe based on other column-ID 但是，我不只是取数据点的总和，而是希望在一个额外的列中获得加权平均值. 我将重复并改写这个问题：

我想汇总数据框中的数据并将新列添加到另一个数据框中。我的数据包含带有 ID 号的公寓，并且它具有公寓中每个房间的表面和 U 值。我想要的是有一个数据框来总结这一点，并给我每个公寓的总表面和表面加权平均 U 值。原始数据帧存在三个条件：

三个条件：

初始数据框“数据”：

print(data)
    ID  Surface  U-value
0    2     10.0      1.0
1    2     12.0      1.0
2    2     24.0      0.5
3    2      8.0      1.0
4    4     84.0      0.8
5    4     84.0      0.8
6    4     84.0      0.8
7   52      NaN      0.2
8   52     96.0      1.0
9   95      8.0      2.0
10  95      6.0      2.0
11  95     12.0      2.0
12  95     30.0      1.0
13  95     12.0      1.5

'df' 的期望输出：

print(df)

    ID  Surface  U-value  #-> U-value = surface weighted U-value!; Surface = sum of all surfaces except when all surfaces per ID are the same (example 'ID 4')
0    2     54.0   0.777
1    4     84.0   0.8     #-> as the values are the same for each row of this ID in the original data, the sum is not taken, but only one of the rows is passed (see the second condition)
2   52     96.0   1.0     # -> as one of 2 surface is empty, the corresponding U-value for the empty cell is ignored, so the output here should be the weighted average of the values that have both 'Surface'&'U-value'-values (in this case 1,0)
3   95     68.0   1.47

参考文献中的 jezrael 代码对于 sum() 已经很有效了，但是如何在其中添加加权平均“U 值”列呢？我真的不知道。可以使用 mean() 函数而不是 sum() 设置平均值，但使用加权平均值..？

import pandas as pd
import numpy as np

df = pd.DataFrame({"ID": [2,4,52,95]})    

data = pd.DataFrame({"ID": [2,2,2,2,4,4,4,52,52,95,95,95,95,95],                    
                "Surface": [10,12,24,8,84,84,84,np.nan,96,8,6,12,30,12],     
                "U-value": 
[1.0,1.0,0.5,1.0,0.8,0.8,0.8,0.2,1.0,2.0,2.0,2.0,1.0,1.5]})    
print(data)

cols = ['Surface']
m1 = data.groupby("ID")[cols].transform('nunique').eq(1)
m2 = data[cols].apply(lambda x: x.to_frame().join(data['ID']).duplicated())

df = data[cols].mask(m1 & m2).groupby(data["ID"]).sum().reset_index()
print(df)

标签： pythonpandasgroup-byweighted-average

解决方案

这应该可以解决问题：

data.groupby('ID').apply(lambda g: (g['U-value']*g['Surface']).sum() / g['Surface'].sum())

要添加到原始数据框，请不要先重置索引：

df = data[cols].mask(m1 & m2).groupby(data["ID"]).sum()
df['U-value'] = data.groupby('ID').apply(
    lambda g: (g['U-value'] * g['Surface']).sum() / g['Surface'].sum())
df.reset_index(inplace=True)

结果：

   ID  Surface   U-value
0   2     54.0  0.777778
1   4     84.0  0.800000
2  52     96.0  1.000000
3  95     68.0  1.470588

推荐阅读