Pandas:交换一个数据框中的特定列值并计算其加权平均值

Posted

技术标签:

【中文标题】Pandas:交换一个数据框中的特定列值并计算其加权平均值【英文标题】:Pandas: Swapping specific column values within one Dataframe and calculate its weighted averages 【发布时间】:2021-01-07 01:29:23 【问题描述】:

存在以下数据框:

year pop0 pop1 city0 city1
2019 20 40 Malibu NYC
2018 8 60 Sydney Dublin
2018 36 23 NYC Malibu
2020 17 44 Malibu NYC
2019 5 55 Sydney Dublin

我想将每个城市对的人口加权平均值计算为一个新列。例如,w_mean 代表 Malibu / NYC = (23+20+17)/(36+40+44) = 0.5。

以下是所需的输出:

year pop0 pop1 city0 city1 w_mean
2018 23 36 Malibu NYC 0.5
2019 20 40 Malibu NYC 0.5
2020 17 44 Malibu NYC 0.5
2018 8 60 Sydney Dublin 0.113
2019 5 55 Sydney Dublin 0.113

我已经按列对数据框进行了排序,但是在将第 3 行从 NYC/Malibu 交换到 Malibu/NYC 的人口时遇到问题。除此之外,我只能为每一行计算w_mean,但不能为每一组计算。我尝试了groupby().mean(),但没有得到任何有用的输出。

当前代码:

import pandas as pd

data = pd.DataFrame('year': ["2019", "2018", "2018", "2020", "2019"], 'pop0': [20,8,36,17,5], 'pop1': [40,60,23,44,55], 'city0': ['Malibu','Sydney','NYC','Malibu','Sydney'], 'city1': ['NYC','Dublin','Malibu','NYC','Dublin'])

new = data.sort_values(by=['city0', 'city1'])
new['w_mean'] = new.apply(lambda row: row.pop0 / row.pop1, axis=1)
print(new)

【问题讨论】:

如何确定哪个城市是city0,哪个是city1?例如,如果悉尼和都柏林交换位置,则 w_mean 将为 8.846。 确实如此。另一种可能性是将相同城市对的值相加并插入两个新列(sum_pop0 和 sum_pop1) 【参考方案1】:

你可以做的是创建一个(city, population)的创建元组,将两个元组连续放入一个列表中,然后对其进行排序。通过对所有行执行此操作,您可以提取新的城市和人口(按城市字母顺序排序)。这可以按如下方式完成:

cities = [sorted([(e[0], e[1]), (e[2], e[3])]) for e in data[['city0','pop0','city1','pop1']].values]
data[['city0', 'pop0']] = [e[0] for e in cities]
data[['city1', 'pop1']] = [e[1] for e in cities]

结果数据框:

    year  pop0  pop1  city0    city1
0   2019    20    40  Malibu     NYC
1   2018    60     8  Dublin  Sydney
2   2018    23    36  Malibu     NYC
3   2020    17    44  Malibu     NYC
4   2019    55     5  Dublin  Sydney

现在,mean_w 列可以使用 groupbytransform 创建两个和然后按如下方式除:

data[['pop0_sum', 'pop1_sum']] = data.groupby(['city0', 'city1'])[['pop0', 'pop1']].transform('sum')
data['w_mean'] = data['pop0_sum'] / data['pop1_sum']

结果:

    year  pop0  pop1   city0   city1  pop0_sum  pop1_sum    w_mean
0   2019    20    40  Malibu     NYC        60       120  0.500000
1   2018    60     8  Dublin  Sydney       115        13  8.846154
2   2018    23    36  Malibu     NYC        60       120  0.500000
3   2020    17    44  Malibu     NYC        60       120  0.500000
4   2019    55     5  Dublin  Sydney       115        13  8.846154

现在可以删除任何额外的列。

如果生成的 w_mean 列应始终小于零,则可以按如下方式进行最后一次除法:

data['w_mean'] = np.where(data['pop0_sum'] > data['pop1_sum'], data['pop1_sum'] / data['pop0_sum'], data['pop0_sum'] / data['pop1_sum'])

这将为马里布和纽约市的一对提供0.5,为都柏林和悉尼提供0.113043

【讨论】:

以上是关于Pandas:交换一个数据框中的特定列值并计算其加权平均值的主要内容,如果未能解决你的问题,请参考以下文章

从前一行和特定列值有效地更新熊猫数据框中的 NaN

在 pandas 数据框中使用多个行或列值进行计算

计算数据框中的连续值并获取发生这种情况的索引

根据 Pandas 中的公共列值合并两个数据框

根据列值删除Python Pandas中的DataFrame行[重复]

如何将多个列值连接到 Pandas 数据框中的单个列中