[PYTHON] 팬더 / 데이터 프레임을 사용하여 가중 평균 계산

팬더 / 데이터 프레임을 사용하여 가중 평균 계산

나는 다음 표를 가지고있다. 나는 아래 수식에 따라 각 날짜별로 그룹화 된 가중 평균을 계산하려고합니다. 몇 가지 표준 재래식 코드를 사용하여이 작업을 수행 할 수 있지만이 데이터가 팬더 데이터 프레임에 있다고 가정하면 반복을 통하는 것이 아니라이를 달성하는 더 쉬운 방법이 있습니까?

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

2012 년 1 월 1 일 в_авг = 0.5 * (60 / съм (60,80,100)) + .75 * (80 / съм (60,80,100)) + 1,0 * (100 / съм (60,80,100))

2012 년 1 월 2 일 в_авг = 0.5 * (100 / съм (100.80)) + 1.0 * (80 / съм (100.80))

해결법

1. ==============================

   1.나는 2 명의 그룹 멤버들과 함께 이것을 할 것이라고 생각한다.

   나는 2 명의 그룹 멤버들과 함께 이것을 할 것이라고 생각한다.

   먼저 "가중 평균"을 계산하십시오.

   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
   

   이것을 열로 설정하면 그룹으로 묶을 수 있습니다.

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

   이제이 열의 합계가 원하는 것입니다.

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

   또는 잠재적으로 :

   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
   

2. ==============================

   2.예제 팬더 데이터 프레임을 먼저 만들어 보겠습니다.

   예제 팬더 데이터 프레임을 먼저 만들어 보겠습니다.

   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)
   

   그런 다음 '값'으로 가중되고 색인으로 그룹화 된 'wt'의 평균은 다음과 같이 구합니다.

   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
   

   또는 함수를 정의 할 수도 있습니다.

   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
   

3. ==============================

   3..csv 파일에 테이블을 저장했습니다.

   .csv 파일에 테이블을 저장했습니다.

   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)
   

4. ==============================

   4.다음은이 문제에 대한 우아한 해결책입니다. (여러 열을 사용하는 Pandas DataFrame 집계 함수)

   다음은이 문제에 대한 우아한 해결책입니다. (여러 열을 사용하는 Pandas DataFrame 집계 함수)

   grouped = df.groupby('Date')
   
   def wavg(group):
       d = group['value']
       w = group['wt']
       return (d * w).sum() / w.sum()
   
   grouped.apply(wavg)
   

from https://stackoverflow.com/questions/26205922/calculate-weighted-average-using-a-pandas-dataframe by cc-by-sa and MIT license