91

有没有一种方法可以编写DataFrame.agg方法中使用的聚合函数，该函数可以访问多个正在聚合的数据列？典型的用例是加权平均、加权标准差函数。

我希望能够写出类似的东西

def wAvg(c, w):
    return ((c * w).sum() / w.sum())

df = DataFrame(....) # df has columns c and w, i want weighted average
                     # of c using w as weight.
df.aggregate ({"c": wAvg}) # and somehow tell it to use w column as weights ...
4

8 回答 8

113

是的; 使用该.apply(...)函数，该函数将在每个 sub- 上调用DataFrame。例如：

grouped = df.groupby(keys)

def wavg(group):
    d = group['data']
    w = group['weights']
    return (d * w).sum() / w.sum()

grouped.apply(wavg)
于 2012-06-09T22:07:32.317 回答
13

可以从 groupby 对象返回任意数量的聚合值apply。简单地说，返回一个系列，索引值将成为新的列名。

让我们看一个简单的例子：

df = pd.DataFrame({'group':['a','a','b','b'],
                   'd1':[5,10,100,30],
                   'd2':[7,1,3,20],
                   'weights':[.2,.8, .4, .6]},
                 columns=['group', 'd1', 'd2', 'weights'])
df

  group   d1  d2  weights
0     a    5   7      0.2
1     a   10   1      0.8
2     b  100   3      0.4
3     b   30  20      0.6

定义将传递给的自定义函数apply。它隐式接受 DataFrame - 意味着data参数是 DataFrame。agg请注意它如何使用多个列，而groupby 方法无法做到这一点：

def weighted_average(data):
    d = {}
    d['d1_wa'] = np.average(data['d1'], weights=data['weights'])
    d['d2_wa'] = np.average(data['d2'], weights=data['weights'])
    return pd.Series(d)

apply使用我们的自定义函数调用 groupby方法：

df.groupby('group').apply(weighted_average)

       d1_wa  d2_wa
group              
a        9.0    2.2
b       58.0   13.2

如其他答案中所述，您可以通过将加权总数预先计算到新的 DataFrame 列中来获得更好的性能，并避免apply完全使用。

于 2017-11-04T18:16:27.610 回答
9

我的解决方案类似于 Nathaniel 的解决方案，只是它针对单个列，并且我不会每次都深度复制整个数据帧，这可能会非常慢。解决方案 groupby(...).apply(...) 的性能增益约为 100x(!)

def weighted_average(df, data_col, weight_col, by_col):
    df['_data_times_weight'] = df[data_col] * df[weight_col]
    df['_weight_where_notnull'] = df[weight_col] * pd.notnull(df[data_col])
    g = df.groupby(by_col)
    result = g['_data_times_weight'].sum() / g['_weight_where_notnull'].sum()
    del df['_data_times_weight'], df['_weight_where_notnull']
    return result
于 2017-06-21T18:21:35.253 回答
5

我经常这样做，发现以下内容非常方便：

def weighed_average(grp):
    return grp._get_numeric_data().multiply(grp['COUNT'], axis=0).sum()/grp['COUNT'].sum()
df.groupby('SOME_COL').apply(weighed_average)

这将计算所有数字列的加权平均值df并删除非数字列。

于 2016-02-10T23:07:57.237 回答
4

以下（基于 Wes McKinney 的回答）完全符合我的要求。我很高兴知道是否有更简单的方法可以在pandas.

def wavg_func(datacol, weightscol):
    def wavg(group):
        dd = group[datacol]
        ww = group[weightscol] * 1.0
        return (dd * ww).sum() / ww.sum()
    return wavg


def df_wavg(df, groupbycol, weightscol):
    grouped = df.groupby(groupbycol)
    df_ret = grouped.agg({weightscol:sum})
    datacols = [cc for cc in df.columns if cc not in [groupbycol, weightscol]]
    for dcol in datacols:
        try:
            wavg_f = wavg_func(dcol, weightscol)
            df_ret[dcol] = grouped.apply(wavg_f)
        except TypeError:  # handle non-numeric columns
            df_ret[dcol] = grouped.agg({dcol:min})
    return df_ret

该函数df_wavg()返回一个按“groupby”列分组的数据框，并返回权重列的权重总和。其他列是加权平均值，或者如果不是数字，则该min()函数用于聚合。

于 2015-11-23T21:36:22.717 回答
4

完成此通孔groupby(...).apply(...)是不合格的。这是我一直使用的解决方案（主要使用kalu的逻辑）。

def grouped_weighted_average(self, values, weights, *groupby_args, **groupby_kwargs):
   """
    :param values: column(s) to take the average of
    :param weights_col: column to weight on
    :param group_args: args to pass into groupby (e.g. the level you want to group on)
    :param group_kwargs: kwargs to pass into groupby
    :return: pandas.Series or pandas.DataFrame
    """

    if isinstance(values, str):
        values = [values]

    ss = []
    for value_col in values:
        df = self.copy()
        prod_name = 'prod_{v}_{w}'.format(v=value_col, w=weights)
        weights_name = 'weights_{w}'.format(w=weights)

        df[prod_name] = df[value_col] * df[weights]
        df[weights_name] = df[weights].where(~df[prod_name].isnull())
        df = df.groupby(*groupby_args, **groupby_kwargs).sum()
        s = df[prod_name] / df[weights_name]
        s.name = value_col
        ss.append(s)
    df = pd.concat(ss, axis=1) if len(ss) > 1 else ss[0]
    return df

pandas.DataFrame.grouped_weighted_average = grouped_weighted_average
于 2016-02-19T18:51:17.720 回答
2

这是一个具有以下好处的解决方案：

  1. 您无需提前定义函数
  2. 您可以在管道中使用它（因为它使用 lambda）
  3. 您可以命名结果列

：

df.groupby('group')
  .apply(lambda x: pd.Series({
'weighted_average': np.average(x.data, weights = x.weights)})

您还可以使用相同的代码来执行多个聚合：

df.groupby('group')
  .apply(lambda x: pd.Series({
'weighted_average': np.average(x.data, weights = x.weights), 
'regular_average': np.average(x.data)}))
于 2021-05-08T16:13:48.910 回答
0

您可以通过以下方式实现此功能：

(df['c'] * df['w']).groupby(df['groups']).sum() / df.groupby('groups')['w'].sum()

例如：

df = pd.DataFrame({'groups': [1, 1, 2, 2], 'c': [3, 3, 4, 4], 'w': [5, 5, 6, 6]})
(df['c'] * df['w']).groupby(df['groups']).sum() / df.groupby('groups')['w'].sum()

结果：

groups
1    3.0
2    4.0
dtype: float64
于 2021-06-22T17:45:04.183 回答