Python 有没有一种方法可以对分组进行加权平均滚动求和?
我想对数据帧应用加权和。过去我用过Python 有没有一种方法可以对分组进行加权平均滚动求和?,python,pandas,Python,Pandas,我想对数据帧应用加权和。过去我用过 for sec_id, sec_df_unidx in grouped: if sec_df_unidx.shape[0] > 3: pd.rolling_sum(sec_df[added_cols], 4) 我想对最新的值乘以0.6,第二个乘以0.2,第三个和第四个乘以0.1的总和应用加权平均值 DF: 带有新列的DF: DATE ID VALUE Weight_Sum 2012-12-31 A 100 Na
for sec_id, sec_df_unidx in grouped:
if sec_df_unidx.shape[0] > 3:
pd.rolling_sum(sec_df[added_cols], 4)
我想对最新的值乘以0.6,第二个乘以0.2,第三个和第四个乘以0.1的总和应用加权平均值
DF:
带有新列的DF:
DATE ID VALUE Weight_Sum
2012-12-31 A 100 NaN
2013-03-31 A 120 NaN
2013-06-30 A 140 NaN
2013-09-30 A 160 146
2013-12-31 A 180 166
2013-03-31 B 0 NaN
2013-06-30 B 5 NaN
2013-09-30 B 1 NaN
2013-12-31 B 3 2.5
2012-12-31 C 45 NaN
2013-03-31 C 46 NaN
2013-06-30 C 42 NaN
2013-09-30 C 30 35.5
2013-12-31 C 11 21.4
2012-12-31 D 18 NaN
2013-03-31 D 9 NaN
2013-06-30 D 13 NaN
2013-09-30 D 5 8.3
2013-12-31 D 11 9.8
2012-12-31 E 0 NaN
我可以用滚动申请或滚动总和来完成吗?还是我必须做一个for循环
谢谢。我想你可以通过一个普通的
groupby/apply
调用的函数来实现。因此,类似于以下内容:
def roll_wsum(g,w,p):
rsum = pd.rolling_apply(g.values,p,lambda x: np.dot(w,x),min_periods=p)
return pd.Series(rsum,index=g.index)
weights = np.array([0.1,0.1,0.2,0.6])
df['wsum'] = df.groupby('ID')['VALUE'].apply(roll_wsum,weights,4)
print df
输出:
DATE ID VALUE wsum
0 2012-12-31 A 100 NaN
1 2013-03-31 A 120 NaN
2 2013-06-30 A 140 NaN
3 2013-09-30 A 160 146.0
4 2013-12-31 A 180 166.0
5 2013-03-31 B 0 NaN
6 2013-06-30 B 5 NaN
7 2013-09-30 B 1 NaN
8 2013-12-31 B 3 2.5
9 2012-12-31 C 45 NaN
10 2013-03-31 C 46 NaN
11 2013-06-30 C 42 NaN
12 2013-09-30 C 30 35.5
13 2013-12-31 C 11 21.4
14 2012-12-31 D 18 NaN
15 2013-03-31 D 9 NaN
16 2013-06-30 D 13 NaN
17 2013-09-30 D 5 8.3
18 2013-12-31 D 11 9.8
19 2012-12-31 E 0 NaN
因此,我只是按“ID”对数据进行分组,然后将组的“VALUE”列发送到roll_wsum函数(以及加权和和和时段的权重)。roll\u wsum
函数调用rolling\u apply
并向rolling\u apply
提供一个简单的lambda函数:“VALUE”和权重的点积。此外,这里施加min_periods=4
条件也很关键,因为我们需要数组的长度(权重和df['VALUE'].values)相同
如果我使用点积来计算加权和,它可能无法按您希望的方式处理缺失值。因此,例如,您可能更喜欢以下内容(尽管这对示例数据没有影响):
DATE ID VALUE wsum
0 2012-12-31 A 100 NaN
1 2013-03-31 A 120 NaN
2 2013-06-30 A 140 NaN
3 2013-09-30 A 160 146.0
4 2013-12-31 A 180 166.0
5 2013-03-31 B 0 NaN
6 2013-06-30 B 5 NaN
7 2013-09-30 B 1 NaN
8 2013-12-31 B 3 2.5
9 2012-12-31 C 45 NaN
10 2013-03-31 C 46 NaN
11 2013-06-30 C 42 NaN
12 2013-09-30 C 30 35.5
13 2013-12-31 C 11 21.4
14 2012-12-31 D 18 NaN
15 2013-03-31 D 9 NaN
16 2013-06-30 D 13 NaN
17 2013-09-30 D 5 8.3
18 2013-12-31 D 11 9.8
19 2012-12-31 E 0 NaN
def roll_wsum(g,w,p):
rsum = pd.rolling_apply(g.values,p,lambda x: np.nansum(w*x),min_periods=p)
return pd.Series(rsum,index=g.index)
weights = np.array([0.1,0.1,0.2,0.6])
df['wsum'] = df.groupby('ID')['VALUE'].apply(roll_wsum,weights,4)