Pandas 如何有效地分解数据帧中的数据(给定一组权重、映射等)?
我有一个数据框架,它保存特定聚合级别的数据——我们称之为区域 我还有一个解释这些区域是如何形成的口述。大概是这样的:Pandas 如何有效地分解数据帧中的数据(给定一组权重、映射等)?,pandas,Pandas,我有一个数据框架,它保存特定聚合级别的数据——我们称之为区域 我还有一个解释这些区域是如何形成的口述。大概是这样的: map = {'Alabama': 'region_1', 'Arizona': 'region_1', 'Arkansas': 'region_2' ... } 以及其区域内每个状态的一组权重,存储为一系列: Alabama .25 Arizona .75 Arkansas .33 .... 有没有一种有效的方法来应用这种分解映射来获得州级别的新数据帧 聚合
map = {'Alabama': 'region_1', 'Arizona': 'region_1', 'Arkansas': 'region_2' ... }
以及其区域内每个状态的一组权重,存储为一系列:
Alabama .25
Arizona .75
Arkansas .33
....
有没有一种有效的方法来应用这种分解映射来获得州级别的新数据帧
聚合很容易:
df_regional = df_states.groupby(map).sum()
但是如何进行分解呢?假设有两个数据帧,
df_states
和df_regional
,如下所示
In [238]: map = {'Alabama': 'region_1', 'Arizona': 'region_1', 'Arkansas': 'region_2'}
In [239]: weigths = pandas.Series([.25, .75, .33], index=['Alabama', 'Arizona', 'Arkansas'])
In [240]: df_states = pandas.DataFrame({'map': pandas.Series(map), 'weigths': weigths})
In [241]: df_states
Out[241]:
map weigths
Alabama region_1 0.25
Arizona region_1 0.75
Arkansas region_2 0.33
In [242]: df_regional = df_states.groupby('map').sum()
In [243]: df_regional
Out[243]:
weigths
map
region_1 1.00
region_2 0.33
结构:
In [36]: df_states
Out[36]:
Weight Region
Alabama 0.25 region_1
Arizona 0.75 region_1
Arkansas 0.33 region_2
In [37]: df_regional
Out[37]:
Value
region_1 100
region_2 80
pandas.merge是否以一种似乎有用的方式排列数据
In [39]: df = pandas.merge(df_states, df_regional, left_on='Region', right_index=True)
In [40]: df
Out[40]:
Weight Region Value
Alabama 0.25 region_1 100
Arizona 0.75 region_1 100
Arkansas 0.33 region_2 80
In [41]: df.Weight * df.Value
Out[41]:
Alabama 25.0
Arizona 75.0
Arkansas 26.4