Pandas groupby 对另一个数据框的意义

Posted 2023-03-11

【中文标题】Pandas groupby 对另一个数据框的意义

【英文标题】：Pandas groupby mean to another Dataframe

【发布时间】：2018-10-27 17:32:33

【问题描述】：

我是 Pandas 的新手，我并不完全了解 pd.groupby 的工作原理。

假设我有一个带有日期时间的数据框：

Date          City    Sales  Price
2018-01-01     NY      100     1
2018-01-01     NY      120     2
2018-01-01     NY       85     1.4
2018-01-01     LA       90     1.5
2018-01-01     SF       90     1
2018-01-01     SF       75     1

2018-01-02     NY      110     2
2018-01-02     NY      130     1.8
2018-01-02     NY      190     1.1
2018-01-02     LA      100     0.9
2018-01-02     LA      110     1.2
2018-01-02     LA      120     1.0
2018-01-02     LA       50     1.8
2018-01-02     SF      120     1.1

2018-01-03     NY       90     1.1
2018-01-03     LA       90     1.5
...
and so on

所以我有几个城市，每个城市都有几个不同价格的销售。 我需要一个新的数据框，其中包含每天的统计信息 价格（平均值 = SUMM（价格）/N）和 mean_weighted = SUMM(Price*Sales)/SUMM(Sales)，或者作为一个选项： 每个城市和日期的正态分布参数）。

它看起来像

Date           NY_mean NY_mean_w LA_mean LA_mean_w SF_mean SF_mean_w 
2018-01-01     1.466      1.53      1.5     1.5       1       1
2018-01-02     1.633      1.54      1.03    and so on
2018-01-03     ...
2018-01-04     ...
2018-01-05     ...
...

有没有办法避免嵌套循环和子例程的类似 Fortran 的求和？我正在尝试（仅用于平均值）：

import datetime
import pandas as pd
data = pd.read_pickle('path/data.pkl') # here is original data

index = pd.date_range(start = '2013-01-01', end = '2015-12-31', freq='D')

names = data.City.unique() # unique names
data_stat = pd.DataFrame(index=index, columns=columns)
data_stat = data_stat.fillna(0)

for nm in names: # iterate by name
    print(nm)
    data_stat.name = data [(data.City == nm)].groupby(Data).Price.mean()
data_stat.head()

但这给了我所有单元格中的 NaN。 对此的任何帮助将不胜感激。

【参考方案1】：

用途：

df = (df.assign(W=df['Sales'].mul(df['Price']))
        .groupby(['Date','City']).agg('Price':'mean', 'W':'sum', 'Sales':'sum')
        .assign(WM = lambda x: x['PW'].div(x['Sales']))[['Price','WM']]
        .rename(columns='Price':'MEAN')
        .unstack()
        .swaplevel(0,1, axis=1)
        .sort_index(axis=1, level=0))

df.columns = df.columns.map('_'.join)
print (df)
            LA_MEAN     LA_WM   NY_MEAN     NY_WM  SF_MEAN  SF_WM
Date                                                             
2018-01-01    1.500  1.500000  1.466667  1.504918      1.0    1.0
2018-01-02    1.225  1.136842  1.633333  1.541860      1.1    1.1
2018-01-03    1.500  1.500000  1.100000  1.100000      NaN    NaN

说明：

第一个多列 Sales 和 Price 到新列 W 和 assign 和 div 然后groupby 并按列名聚合mean 和sums 通过assign创建列WM并再次划分 按子集[[]] 仅选择必要的列 Rename专栏Price 由unstack重塑 swaplevel MultiIndex 在列中 sort_index - MultiIndex 的第一级 将MultiIndex 扁平化为map 和join 的列名

【讨论】：

@user3656916 - 给我一些时间解释。

@AntonZi - 如果我的回答有帮助，请不要忘记accept 它 - 单击答案旁边的复选标记，将其从灰色切换为已填充。谢谢。