Есть ли способ написать функцию агрегации, которая используется в методе DataFrame.agg, которая будет иметь доступ к более чем одному столбцу данных, которые агрегируются? Типичными вариантами использования могут быть взвешенные средние взвешенные стандартные отклонения.
Я хотел бы написать что-то вроде
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 ...
Да; используйте функцию .apply(...), которая будет вызываться на каждом под DataFrame. Например:
grouped = df.groupby(keys)
def wavg(group):
d = group['data']
w = group['weights']
return (d * w).sum() / w.sum()
grouped.apply(wavg)
Следующее (основанное на ответе Уэса Маккинни) выполняет именно то, что я искал. Я был бы рад узнать, есть ли более простой способ сделать это в 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
Функция df_wavg() возвращает блок данных, сгруппированный столбцом "groupby", и возвращает сумму весов для столбца весов. Другими столбцами являются либо взвешенные средние значения, либо, если они не являются числовыми, для агрегации используется функция min().
Я делаю это много и нашел следующее достаточно удобным:
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)
Это вычислит средневзвешенное значение всех числовых столбцов в df и уменьшит числовые значения.
Выполнение этого с помощью groupby(...).apply(...) не выполняется. Здесь решение, которое я использую все время (по существу используя логику kalu).
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
Мое решение похоже на решение Nathaniel, только для одного столбца, и я не делаю глубокое копирование всего кадра данных каждый раз, что может быть непомерно медленным. Усиление производительности над группой решений (...). Apply (...) составляет около 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
Можно вернуть любое количество агрегированных значений из объекта groupby с apply. Просто верните серию, и значения индекса станут новыми именами столбцов.
Посмотрите на быстрый пример:
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
Определите пользовательскую функцию, которая будет передана в apply. Он неявно принимает DataFrame - значение параметра data является DataFrame. Обратите внимание, как он использует несколько столбцов, что невозможно с помощью метода agg groupby:
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)
Вызвать метод groupby apply с помощью нашей настраиваемой функции:
df.groupby('group').apply(weighted_average)
d1_wa d2_wa
group
a 9.0 2.2
b 58.0 13.2
Вы можете получить более высокую производительность, предварительно рассчитав взвешенные итоговые значения в новые столбцы DataFrame, как описано в других ответах, и вообще не используйте apply.