我希望能够在pandas groupby agg()中使用自定义函数。我知道有使用apply的选项但我想要的是多次聚合。下面是我的测试代码,我试图让加权平均值工作。
Python代码
import pandas as pd
import numpy as np
def weighted_avg(df, values, weights):
'''To calculate a weighted average in Pandas. Demo see https://www.statology.org/pandas-weighted-average/
Example: df.groupby('Group Names').apply(w_avg, 'Results', 'AFY')'''
v = df[values]
w = df[weights]
return (v * w).sum() / w.sum()
# below creates a dataframe.
dfr = pd.DataFrame(np.random.randint(1,50,size=(4,4)), columns=list('ABCD'))
dfr['group'] = [1, 1, 0, 1]
print(dfr)
dfr = dfr.groupby('group').agg({'A':'mean', 'B':'sum',
'C': lambda x: weighted_avg(dfr, 'D', 'C')}).reset_index()
print(dfr)
结果-输出
A B C D group
0 5 2 17 38 1
1 35 30 22 32 1
2 15 18 16 11 0
3 46 6 20 34 1
group A B C
0 0 15.000000 18 29.413333
1 1 28.666667 38 29.413333
问题:加权平均值返回整个表的值,而不是"group"列的值。我怎样才能得到分组工作的加权平均值?
我确实尝试将groupby放入函数中,但没有成功。谢谢你看一看。
您可以使用您在lambda中的x
(具体来说,使用它的.index
来获得您想要的值)。例如:
import pandas as pd
import numpy as np
def weighted_avg(group_df, whole_df, values, weights):
v = whole_df.loc[group_df.index, values]
w = whole_df.loc[group_df.index, weights]
return (v * w).sum() / w.sum()
dfr = pd.DataFrame(np.random.randint(1, 50, size=(4, 4)), columns=list("ABCD"))
dfr["group"] = [1, 1, 0, 1]
print(dfr)
dfr = (
dfr.groupby("group")
.agg(
{"A": "mean", "B": "sum", "C": lambda x: weighted_avg(x, dfr, "D", "C")}
)
.reset_index()
)
print(dfr)
打印:
A B C D group
0 32 2 34 29 1
1 33 32 15 49 1
2 4 43 41 10 0
3 39 33 7 31 1
group A B C
0 0 4.000000 43 10.000000
1 1 34.666667 67 34.607143
编辑:正如@enke在评论中所述,您可以使用已经过滤的数据帧调用weighted_avg
函数:
weighted_avg(dfr.loc[x.index], 'D', 'C')
对于这种事情,我通常在计算的中间阶段添加列:
df['product'] = df['value'] * df['weight']
weighted_avg = sum(df['product']) / sum(df['weight'])
你可以像平常一样进行分组和子集选择:
df0 = df[df['group']==0]
df1 = df[df['group']==1]
,分别计算各组weighted_avg
你写的地方lambda x: weighted_avg(dfr, 'D', 'C')
这将计算dfr
的加权平均值,即整个表。
如果您将其更改为lambda group: weighted_avg(group, "D", "C")
那么我认为它可能有效。
(我已经将lambda变量的名称更改为group
,因为x
不是很具有描述性)