根据 pandas 数据框第 3 列中的标准，按天分组的 2 列的加权平均值

Question

我有一个 pandas 数据框

import pandas as pd
df = pd.DataFrame({'Col1' : 16 * ['A', 'B', 'C'], 
                   'Col2' : np.random.rand(48), 
                   'Col3' : np.random.randint(5, 20, 48)},
                   index = pd.date_range('2017-01-01', periods=48, freq='H'))

In [1]: df.tail()
Out [1]: 
                    Col1      Col2  Col3
2017-01-02 19:00:00    B  0.144572     7
2017-01-02 20:00:00    C  0.740500    11
2017-01-02 21:00:00    A  0.357077    19
2017-01-02 22:00:00    B  0.652536     9
2017-01-02 23:00:00    C  0.022437     8

我想要 return 一个数据框，它按日期显示 Col3 的加权平均值，其中 Col2 是权重，Col1 是 'B' 或 'C'，同时忽略 'A.' 这将 return 如下所示。

           WtdAvg
2017-01-01   XX.X
2017-01-02   YY.Y

Answer 1

过滤 DataFrame 以删除 Col1 为 'A' 的值，然后使用 np.average:

执行 groupby

df[df['Col1'] != 'A'].groupby(pd.TimeGrouper('D')) \
                     .apply(lambda grp: np.average(grp['Col3'], weights=grp['Col2']))

结果输出（使用np.random.seed([3,1415])作为随机状态种子）：

2017-01-01    11.975517
2017-01-02    12.411798

Answer 2

np.random.seed([3,1415])
df = pd.DataFrame({'Col1' : 16 * ['A', 'B', 'C'], 
                   'Col2' : np.random.rand(48), 
                   'Col3' : np.random.randint(5, 20, 48)},
                   index = pd.date_range('2017-01-01', periods=48, freq='H'))


d1 = df.query('Col1 != "A"').drop('Col1', 1)
d2 = d1.assign(Prod=d1.prod(1)).groupby(pd.TimeGrouper('D'))['Col2', 'Prod'].sum()
d2.Prod.div(d2.Col2)

2017-01-01    11.975517
2017-01-02    12.411798
Freq: D, dtype: float64

根据 pandas 数据框第 3 列中的标准，按天分组的 2 列的加权平均值

Weighted average, grouped by day, of 2 columns based on criteria in 3rd column of pandas dataframe

python

weighted-average

pandas