我有一個包含不同國家（行）和 4 個指標（列）A、B、C 和 D 的 Pandas 數據框。對于每個指標，我都有一個特定的權重來計算它們的加權總和，比方說：Weigth_A = 0.2, Weigth_B = 0.2，Weight_C = 0.4，Weight_D = 0.2這是我的加權總和的公式df['W_Sum'] = Weigth_A*df['A'] + Weigth_B*df['B'] + Weigth_C*df['C'] + Weigth_D*df['D']但是，如果一列是 NaN（在這種情況下假設為 D），我需要將加權總和更改為正常平均值；df['W_Sum'] = 0.33*df['A'] + 0.33*df['B'] + 0.33*df['C']如果缺少兩個，則：df['W_Sum'] = 0.5*df['A'] + 0.5*df['B']有沒有辦法使這個過程自動化，因為我不確定每個國家的哪一列會有缺失值？
2 回答
慕碼人8056858
TA貢獻1803條經驗 獲得超6個贊
您可以np.where為此使用：
wa = 0.2*df.A + 0.4*df.B + 0.2*df.C
df['new_col'] = np.where(df.isna().any(axis=1), df.mean(axis=1), wa)
例子
df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6], 'C':[7,8,np.nan]})
A B C
0 1 4 7.0
1 2 5 8.0
2 3 6 NaN
wa = 0.2*df.A + 0.4*df.B + 0.2*df.C
df['new_col'] = np.where(df.isna().any(axis=1), df.mean(axis=1), wa)
A B C new_col
0 1 4 7.0 3.2
1 2 5 8.0 4.0
2 3 6 NaN 4.5
細節
np.where將根據條件的結果在平均值或加權平均值中進行選擇has_nans：
df.assign(has_nans = df.isna().any(axis=1), mean=df.mean(axis=1), weighted_av = wa)
A B C new_col has_nans mean weighted_av
0 1 4 7.0 3.2 False 3.80 3.2
1 2 5 8.0 4.0 False 4.75 4.0
2 3 6 NaN 4.5 True 4.50 NaN
烙印99
TA貢獻1829條經驗 獲得超13個贊
我正要寫與 yatu基本相同的答案，但試圖提高效率。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A':[1,2,3],
'B':[4,5,6],
'C':[7,8,np.nan],
'D':[1, np.nan, np.nan]})
weights = np.array([0.2,0.4,0.2,0.2])
df["w_avg"]= np.where(df.isnull().any(1),
df.mean(1),
np.dot(df.values, weights))
鑒于沒有必要計算您不會使用的東西。
使用虛擬 dfnp.dot代替wa手動計算在速度和泛化方面更好
n = 5000
df = pd.DataFrame({"A":np.random.rand(n),
"B": np.random.rand(n),
"C":np.random.rand(n),
"D":np.random.rand(n)})
%%timeit
wa = 0.2*df.A + 0.4*df.B + 0.2*df.C + 0.2* df.D
735 μs ± 19.7 μs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%%timeit
wa = np.dot(df.values, weights)
18.9 μs ± 732 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
添加回答
舉報
0/150
提交
取消