您如何为加权平均平均值迭代地为数据框列赋予权重？

Question

我有一个数据框，其中包含多个具有数字浮点值的列。我想要做的是为每一列赋予分数权重并计算其平均值以存储并将其附加到相同的 df.

假设我们有以下列：s1、s2、s3 我想分别赋予权重：w1,w2,w3

我能够在手头试验所有值时手动执行此操作。但是当我进入列表格式时，它给了我一个错误。我试图通过迭代来完成它，我在下面附上了我的代码，但它给了我一个错误。我还附上了有效的手动代码，但它需要第一手资料。

无效的代码：

score_df["weighted_avg"] += weight * score_df[feature]

适用但不适用于列表的手动代码：

df["weighted_scores"] = 0.5*df["s1"] + 0.25*df["s2"] + 0.25*df["s3"]

Answer 1

我们可以为此使用 numpy 广播，因为权重与您的列轴具有相同的形状：

# given the following example df
df = pd.DataFrame(np.random.rand(10,3), columns=["s1", "s2", "s3"])

print(df)
    s1   s2   s3
0 0.49 1.00 0.50
1 0.65 0.87 0.75
2 0.45 0.85 0.87
3 0.91 0.53 0.30
4 0.96 0.44 0.50
5 0.67 0.87 0.24
6 0.87 0.41 0.29
7 0.06 0.15 0.73
8 0.76 0.92 0.69
9 0.92 0.28 0.29

weights = [0.5, 0.25, 0.25]
df["weighted_scores"] = df.mul(weights).sum(axis=1)

print(df)
    s1   s2   s3  weighted_scores
0 0.49 1.00 0.50             0.62
1 0.65 0.87 0.75             0.73
2 0.45 0.85 0.87             0.66
3 0.91 0.53 0.30             0.66
4 0.96 0.44 0.50             0.71
5 0.67 0.87 0.24             0.61
6 0.87 0.41 0.29             0.61
7 0.06 0.15 0.73             0.25
8 0.76 0.92 0.69             0.78
9 0.92 0.28 0.29             0.60

Answer 2

您可以使用dot

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(10,3), columns=["s1", "s2", "s3"])

df['weighted_scores'] = df.dot([.5,.25,.25])
df

出来

         s1        s2        s3  weighted_scores
0  0.053543  0.659316  0.033540         0.199985
1  0.631627  0.257241  0.494959         0.503863
2  0.220939  0.870247  0.875165         0.546822
3  0.890487  0.519320  0.944459         0.811188
4  0.029416  0.016780  0.987503         0.265779
5  0.843882  0.784933  0.677096         0.787448
6  0.396092  0.297580  0.965454         0.513805
7  0.109894  0.011217  0.443796         0.168700
8  0.202096  0.637105  0.959876         0.500293
9  0.847020  0.949703  0.668615         0.828090

您如何为加权平均平均值迭代地为数据框列赋予权重？

How do you give weights to dataframe columns iteratively for weighted mean average?

python

pandas

dataframe

weighted-average