在 pandas 中按照 groupby 执行计算?

Performing computation following groupby in pandas?

我有以下四列数据框(我已经简化了它,而且它也更长)。用户权重始终为一个,因此他们的响应被平等对待。尽管在此示例中为每个 post 分配了相同的三个用户,但实际上用户是随机分配给 post 的,并且每个 post 都分配了数量可变的用户。

Post      userid     Weight  Response
-----     --------    ------  ---------
text1      A           1        0
text2      A           1        1
text1      B           1        0
text2      C           1        1
text1      C           1        1
text2      B           1        0

我希望生成的数据框在按 post 分组后如下所示。平均响应只是按 post 对用户的响应进行平均(因此,如果 0 表示错误,1 表示正确,那么这基本上可以衡量用户声称 post 的真假程度)。第二列表示一致(所以 1 是完全一致,分数越高越好)。

Post      Avg_Response     Agreement
-----     ------------     ---------
text1       0.33            0.66
text2       0.66            0.66

我对如何计算平均响应(使用均值函数)有信心,但我不确定如何计算一致性(最后一列使用 pandas。我确信有一些简单的在两行之一中执行此操作的技巧。我的猜测是计算每个 post 的 0 和 1 的数量除以该划分的响应总数。然后我们将采用更大的比率。如果他们是平等的,然后我们摆脱他们(所以我们不想要任何 post 用户被平均分配的)。

非常感谢有关代码的帮助!谢谢。

这是一种方法:

import pandas as pd
import numpy as np
from io import StringIO

df = pd.read_fwf(StringIO("""
Post      userid     Weight  Response
text1      A           1        0
text2      A           1        1
text1      B           1        0
text2      C           1        1
text1      C           1        1
text2      B           1        0
"""), header=1)

mn = df.groupby(['Post'])['Response'].mean()
md = df.groupby(['Post'])['Response'].agg(lambda x: max(np.mean(x), 1 - np.mean(x)))

mn.name = 'Avg_Response'
md.name = 'Agreement'
df2 = pd.concat([mn, md], axis=1)
df2

屈服...

       Avg_Response  Agreement
Post
text1      0.333333   0.666667
text2      0.666667   0.666667

您无需 pd.concat 即可执行此操作。使用 __name__ 命名自定义函数,并将它们作为列表传递。

def simple_mean(x):
    return x.mean()

def custom_mean(x):
    return max(x.mean(), 1-x.mean())

simple_mean.__name__ = 'Avg_Response'
custom_mean.__name__ = 'Agreement'

df.groupby('Post')['Response'].agg([simple_mean, custom_mean])

       Avg_Response  Agreement
Post
text1      0.333333   0.666667
text2      0.666667   0.666667