如何在 pandas Dataframe 中的行之间计算？答案

【问题标题】：How to calculate between the rows in pandas Dataframe?如何在 pandas Dataframe 中的行之间计算？
【发布时间】：2021-04-16 17:34:09
【问题描述】：

我想计算我的新值占原始值的百分比。我想收到的是我的 Pandas DataFrame 中的新列。

我的 DataFrame 如下所示：

     Feature    Precision   Accuracy    Recall  Specificity F1 score
0   original    0.949367    0.911765    0.9375  0.818182    0.943396
1   new_feat1   0.949367    0.911765    0.9375  0.818182    0.943396
2   new_feat2   0.950617    0.931373    0.9625  0.818182    0.956522

期望的结果如下所示：

     Feature    Precision   Accuracy    Recall  Specificity F1 score Precision% Accuracy%   Recall% Specificity%    F1 score%
0   original    0.949367    0.911765    0.9375  0.818182    0.943396 100        100         100     100             100
1   new_feat1   0.949367    0.911765    0.9375  0.818182    0.943396 xxxxxx   xxxxxx       xxxxx    xxxxxx       xxxxxx
2   new_feat2   0.950617    0.931373    0.9625  0.818182    0.956522

计算so应该是这样的：

对于 new_feat1：

precision% = new_feat1_precision * 100 / original_precision
accuracy% = new_feat1_accuracy * 100 / original_accuracy
等等

或者如果它更容易，因为它建议 Dataframe 可以有这种格式

            original    new_feat1   new_feat2
Precision   0.949367    0.950617    0.95122
Accuracy    0.911765    0.931373    0.941176    
Recall      0.9375      0.9625      0.975   
Specificity 0.818182    0.818182    0.818182    
F1 score    0.943396    0.956522    0.962963

那么想要的输出是：

            original    new_feat1   new_feat2
Precision   0.949367    0.950617    0.95122
Accuracy    0.911765    0.931373    0.941176    
Recall      0.9375      0.9625      0.975   
Specificity 0.818182    0.818182    0.818182    
F1 score    0.943396    0.956522    0.962963
%Accuracy   100         xxxx        xxxx

【问题讨论】：

标签： python pandas

【解决方案1】：

最简单的方法可能是转置您的数据框：

df1_transposed = df1.T

然后，一旦你像往常一样做你的事情，如果你愿意，你就可以转回去

df1 = df1_transposed.T

【讨论】：

【解决方案2】：

用div和iloc[0]除以第一行，用add_suffix为列名添加后缀，然后用join加入原始DataFrame：

df.join(
    df.select_dtypes(float).div(
        df.select_dtypes(float).iloc[0]).add_suffix(' %'))

输出：

     Feature  Precision  Accuracy  Recall  Specificity  F1_score  Precision %  \
0  original   0.95       0.91      0.94    0.82         0.94      1.0           
1  new_feat1  0.95       0.91      0.94    0.82         0.94      1.0           
2  new_feat2  0.95       0.93      0.96    0.82         0.96      1.0           

   Accuracy %  Recall %  Specificity %  F1_score %  
0  1.00        1.00      1.0            1.00        
1  1.00        1.00      1.0            1.00        
2  1.02        1.03      1.0            1.01

【讨论】：