加权平均值作为 Pandas 中的一列答案

【问题标题】：Weighted Mean as a Column in Pandas加权平均值作为 Pandas 中的一列
【发布时间】：2021-08-28 17:25:45
【问题描述】：

我正在尝试添加具有 4 列权重的 4 列加权平均值的列

df = pd.DataFrame.from_dict(dict([('A', [2000, 1000, 2509, 2145]),
                                  ('A_Weight', [37, 47, 33, 16]),
                                  ('B', [2100, 1500, 2000, 1600]),
                                  ('B_weights', [17, 21, 6, 2]),
                                  ('C', [2500, 1400, 0, 2300]),
                                  ('C_weights', [5, 35, 0, 40]),
                                  ('D', [0, 1600, 2100, 2000]),
                                  ('D_weights', [0, 32, 10, 5])]))

我希望加权平均值出现在一个名为“WA”的新列中，但每次我尝试它都会显示 NaN

Desired Dataframe 将是一个新列，其中包含以下值：

我使用的公式(((A * A_weight)+(B * b_weight)+(C * C_weight)+(D * D_weight)) / sum(all weights)

df['WA'] = [2071.19,1323.70, 2363.20,2214.60 ]

谢谢

【问题讨论】：

标签： python pandas multiple-columns calculated-columns weighted-average

【解决方案1】：

一个简单明了的方法如下：

（由于您的权重列名称的命名不一致，例如，有些带有“s”，有些没有，有些带有大写“W”，有些带有小写“w”，因此对列进行分组并不方便，例如按.filter())

df['WA'] = ( (df['A'] * df['A_Weight']) + (df['B'] * df['B_weights']) + (df['C'] * df['C_weights']) + (df['D'] * df['D_weights']) ) / (df['A_Weight'] + df['B_weights'] + df['C_weights'] + df['D_weights'])

结果：

print(df)


      A  A_Weight     B  B_weights     C  C_weights     D  D_weights           WA
0  2000        37  2100         17  2500          5     0          0  2071.186441
1  1000        47  1500         21  1400         35  1600         32  1323.703704
2  2509        33  2000          6     0          0  2100         10  2363.204082
3  2145        16  1600          2  2300         40  2000          5  2214.603175

【讨论】：

【解决方案2】：

不那么直接的方式：

通过str.split按前缀对列进行分组
通过groupby prod 获取列式乘积
在轴 1 上获取带有 sum 的乘积的逐行总和。
filter + sum 在轴 1 上获取“权重”列的总和
将组乘积总和除以权重总和。

df['WA'] = (
        df.groupby(df.columns.str.split('_').str[0], axis=1).prod().sum(axis=1)
        / df.filter(regex='_[wW]eight(s)?$').sum(axis=1)
)

      A  A_Weight     B  B_weights     C  C_weights     D  D_weights           WA
0  2000        37  2100         17  2500          5     0          0  2071.186441
1  1000        47  1500         21  1400         35  1600         32  1323.703704
2  2509        33  2000          6     0          0  2100         10  2363.204082
3  2145        16  1600          2  2300         40  2000          5  2214.603175

【讨论】：

.filter() +1 正则表达式的良好使用
谢谢@SeaBean。我想明确一点，你的答案应该是公认的答案，我只是想看看我是否可以这样做 XD（你已经得到了我的 +1）
你的可以更好地扩展很多列。无论谁得到接受的答案都可以。 :-)
也许用like=_作为分母过滤
@sammywemmy 是的，我尽可能具体。在这种情况下，假设没有其他带有下划线的列肯定有效。 regex='_' 也可以。

【解决方案3】：

老问题的另一种选择：

将数据拆分为分子和分母：

numerator = df.filter(regex=r"[A-Z]$")
denominator = df.filter(like='_')

将denominator 转换为MultiIndex，在使用numerator 计算时会派上用场：

denominator.columns = denominator.columns.str.split('_', expand = True)

将numerator 乘以denominator，然后将结果之和除以denominator 之和：

outcome = numerator.mul(denominator, level=0, axis=1).sum(1)
outcome = outcome.div(denominator.sum(1))
df.assign(WA = outcome)

      A  A_Weight     B  B_weights     C  C_weights     D  D_weights           WA
0  2000        37  2100         17  2500          5     0          0  2071.186441
1  1000        47  1500         21  1400         35  1600         32  1323.703704
2  2509        33  2000          6     0          0  2100         10  2363.204082
3  2145        16  1600          2  2300         40  2000          5  2214.603175

【讨论】：