Python 创建动态范围并计算平均值
我想使用动态范围创建一个附加列,其中包含基于A列的平均值Python 创建动态范围并计算平均值,python,pandas,dataframe,mean,Python,Pandas,Dataframe,Mean,我想使用动态范围创建一个附加列,其中包含基于A列的平均值 import numpy as np import pandas as pd test = {'A' : [100, 120, 70, 300, 190, 70, 300, 190, 70], 'B' : [80, 50, 64, 288, 172, 64, 288, 172, 64], 'C' : ['NO', 'NO', 'YES', 'NO', 'YES', 'YES', 'NO', 'YE
import numpy as np
import pandas as pd
test = {'A' : [100, 120, 70, 300, 190, 70, 300, 190, 70],
'B' : [80, 50, 64, 288, 172, 64, 288, 172, 64],
'C' : ['NO', 'NO', 'YES', 'NO', 'YES', 'YES', 'NO', 'YES', 'YES'],
'D' : [0, 1, 0, 3, 2, 2, 3, 1, 4] }
df = pd.DataFrame(data=test)
A B C D
0 100 80 NO 0
1 120 50 NO 1
2 70 64 YES 0
3 300 288 NO 3
4 190 172 YES 2
5 70 64 YES 2
6 300 288 NO 3
7 190 172 YES 1
8 70 64 YES 4
当列C
中的项为YES
时,使用列D
中的值作为起始行索引,使用当前行-1
的行索引作为最高行索引,从列A
中的动态范围中获取平均值
以下是我寻求实现的结果
A B C D Dyn_Ave
0 100 80 NO 0 NaN
1 120 50 NO 1 NaN
2 70 64 YES 0 110
3 300 288 NO 3 NaN
4 190 172 YES 2 185
5 70 64 YES 2 187
6 300 288 NO 3 NaN
7 190 172 YES 1 175
8 70 64 YES 4 188
虽然我遇到了以下错误-TypeError:CannotbeIndexbyLocationIndex带有一个非整数键,但我尝试创建列时使用了np.where方法
df['Dyn_Ave'] = np.where(df['C'] == 'YES', df['A'].iloc[df['D']:df.loc['C'][-1]].mean(), np.nan)
让我们试试:
s = df['A'].cumsum().shift(fill_value=0)
df['Dyn_Ave'] = np.where(df['C'] == 'YES',
(s - s.reindex(df['D']).values) / (np.arange(len(df)) - df['D']),
np.nan)
输出:
A B C D Dyn_Ave
0 100 80 NO 0 NaN
1 120 50 NO 1 NaN
2 70 64 YES 0 110.000000
3 300 288 NO 3 NaN
4 190 172 YES 2 185.000000
5 70 64 YES 2 186.666667
6 300 288 NO 3 NaN
7 190 172 YES 1 175.000000
8 70 64 YES 4 187.500000
解释:首先让我们暂时忘记
C=='YES'
,注意动态平均值。从第df['D']
行到第j-1行的平均值可以看作
(cumsum[j-1] - cumsum[df['D']-1])/(j-df['D'])
或:
这就是为什么我们首先计算积和,然后移动它:
s = df['A'].cumsum().shift(fill_value=0)
为了在df['D']
处获得总和,我们使用reindex并传递基础numpy数组进行减法:
(s - s.reindex(df['D']).values)
行数可以很容易地看出为:
(np.arange(len(df)) - df['D'])
最后一部分只是填写whereC==“YES”
,正如您试图完成的那样。您可以使用df.apply
,但它将比np.where
慢
df['Dyn_Ave']=df[df.C=='YES'].apply(lambda x:np.round(df.A.loc[x.D:x.name-1].mean()),轴=1)
df
输出:
您对每个组件的详细解释极大地帮助了我理解这些概念,并完美地解决了我的问题。谢谢你,谢谢你。然而,我正试图在我的项目中保持尽可能快的速度,这就是为什么np。在版本更适合的地方没有问题,@QuangHoang的不仅(可能)更快,而且对你问题的结构有着非常迷人的洞察力。
(np.arange(len(df)) - df['D'])
A B C D Dyn_Ave
0 100 80 NO 0 NaN
1 120 50 NO 1 NaN
2 70 64 YES 0 110.0
3 300 288 NO 3 NaN
4 190 172 YES 2 185.0
5 70 64 YES 2 187.0
6 300 288 NO 3 NaN
7 190 172 YES 1 175.0
8 70 64 YES 4 188.0