Pandas 在另一列上计算并应用加权滚动平均值

Question

我很难弄清楚如何根据我的一个列获得 "rolling weights"，然后将这些权重分解到另一列。

我已经尝试 groupby.rolling.apply (function) 我的数据，但主要问题只是概念化我将如何取 running/rolling 列的平均值，我将把它转化为权重，然后将这个 "window" 的权重分解到另一个未滚动的列上。

我还特意将 min_period 设置为 1，因此您会注意到我在每组最终输出中的前两行 "rwag" 反映了原始结果。

W 是从中导出权重的滚动列。 B 是应用滚动权重的列。仅在列 a.

上进行分组

df 已按 a 和 yr 排序。

def wavg(w,x):
    return (x * w).sum() / w.sum()

n=df.groupby(['a1'])[['w']].rolling(window=3,min_periods=1).apply(lambda x:  wavg(df['w'],df['b']))


Input:

id | yr  |   a  |   b    |   w
---------------------------------
0  | 1990 |  a1 |   50   |  3000   
1  | 1991 |  a1 |   40   |  2000   
2  | 1992 |  a1 |   10   |  1000   
3  | 1993 |  a1 |   20   |  8000         
4  | 1990 |  b1 |   10   |  500    
5  | 1991 |  b1 |   20   |  1000   
6  | 1992 |  b1 |   30   |  500    
7  | 1993 |  b1 |   40   |  4000        


Desired output:

id | yr  |   a  |   b  |   rwavg
---------------------------------
 0   1990   a1    50      50
 1   1991   a1    40      40
 2   1992   a1    10      39.96
 3   1993   a1    20      22.72
 4   1990   b1    10      10 
 5   1991   b1    20      20
 6   1992   b1    30      20
 7   1993   b1    40      35.45

Answer 1

apply 和 rolling 通常有一些 wired 行为

df['Weight']=df.b*df.w
g=df.groupby(['a']).rolling(window=3,min_periods=1)
g['Weight'].sum()/g['w'].sum()
df['rwavg']=(g['Weight'].sum()/g['w'].sum()).values

Out[277]: 
a    
a1  0    50.000000
    1    46.000000
    2    40.000000
    3    22.727273
b1  4    10.000000
    5    16.666667
    6    20.000000
    7    35.454545
dtype: float64

Pandas 在另一列上计算并应用加权滚动平均值

Pandas calculate and apply weighted rolling average on another column

python

weighted-average

pandas

pandas-groupby

rolling-average