Pandas DataFrame：如何获取列平均值但仅考虑索引低于我想要获取平均值的行

Posted 2023-03-11

【中文标题】Pandas DataFrame：如何获取列平均值但仅考虑索引低于我想要获取平均值的行

【英文标题】：Pandas DataFrame: how to get column mean valuebut taking into account only the rows that have lower index than the one I want to get the mean

【发布时间】：2019-02-01 20:39:52

【问题描述】：

我的问题是我想预测一支球队对另一支球队的胜利，为此我希望在每场比赛中获得每支球队在比赛日期之前的胜率。

但是，使用df.groupBy("teamName").agg("isVictory":"mean") 为我提供了无法使用的团队的全局信息，因为此时您不应该知道所有比赛的胜率。

所以我想要的是在这场比赛之前获得比赛的胜率，因为我知道我的 DataFrame 中有一个列 index 来保持比赛的顺序（即，如果比赛的索引较低比当前匹配的索引意味着之前已经进行过匹配，因此应该平均考虑这个匹配）

请注意，我的专栏是：

indexMatch, nameTeam, isVictoryTeam

（isVictoryTeam= 如果 Team1 获胜，如果 Team 失败则为 0）

数据集示例：

   IndexMatch  isVictoryTeam team   winrate
0           1              1    a       NaN
1           2              0    a         1
2           3              1    a       0.5
3           4              1    a    0.6667

胜率是预期的输出。 提前感谢您的帮助。

【问题讨论】：

您能否提供一个数据框示例以及所需的输出？

【参考方案1】：

一定有更好的方法，但这个方法有效：

df = pd.DataFrame('team': [' a', ' a', ' a', ' a', 'b', 'b', 'c'],
                   'IndexMatch': [1, 2, 3, 4, 5, 6, 7],
                   'isVictoryTeam': [1, 0, 1, 1, 0, 1, 1])
df['winrate'] = df.groupby('team')['isVictoryTeam'].expanding().mean().reset_index().groupby('team')['isVictoryTeam'].shift().reset_index(drop=True)
df
#   IndexMatch  isVictoryTeam team   winrate
#0           1              1    a       NaN
#1           2              0    a  1.000000
#2           3              1    a  0.500000
#3           4              1    a  0.666667
#4           5              0    b       NaN
#5           6              1    b  0.000000
#6           7              1    c       NaN

【讨论】：

谢谢，这正是我想要的！