Question

我有以下Pandas数据框：

t = pd.DataFrame({"u": ["S1", "S1", "S1", "S2", "S2", "S2", "S5", "S5", "S5"],
                  "v": ["a", "b", "a", "a", "b", "b", "b", "a", "a"],
                  "w": ["x", "z", "x", "x", "y", "y", "z", "x", "y"]})

我想计算列v和w之间的协议（类似于分类准确性），按列u分组。但是，a列中的值b和v对应于x列中的值y和w（值{{1} }}不对应任何值）。因此，我不能简单地比较这两列。

我的工作是手动将z和v列中的值设置为w（0和a），x （1和b）和y（2）：

现在，我可以比较按列t.loc[t["v"] == "a", "v"] = 0 t.loc[t["v"] == "b", "v"] = 1 t.loc[t["w"] == "x", "w"] = 0 t.loc[t["w"] == "y", "w"] = 1 t.loc[t["w"] == "z", "w"] = 2分组的两列，如下所示：

这给了我想要的结果，但我想知道是否有更简单的方法来实现同样的目的。

此外，如果我想计算t.groupby("u").agg(lambda x: np.mean(x["v"] == x["w"]))而不是np.corrcoef，我的解决方案不起作用，即

np.mean

给我一个错误。

Answer 1

如果你转换＆＃39; v＆＃39;你基本上可以做你尝试过的事情。和＆＃39; w＆＃39;首先是数字类型。要么＆＃39; int＆＃39;或者＆＃39;漂浮＆＃39;很好，但是我会使用浮动，因为你将像连续变量一样对待它们，所以不妨对它进行明确说明。

t[['v','w']] = t[['v','w']].astype(float)

对于你的平均计算并不重要，因为你只是生成一个pandas解释为0/1的布尔值。但是对于相关系数，您需要提供数字。您还需要使用apply而不是agg：

t.groupby("u").apply(lambda x: np.corrcoef(x["v"], x["w"]))

但是这会给你很多额外的输出（标量就足够了2x2），所以我在这里使用pandas corr方法：

t.groupby('u')['v'].corr(t['w'])

u
S1    1.000000
S2    1.000000
S5    0.866025

根据您对问题的描述，我不确定＆＃39; S1＆＃39;的相关系数为1？和＆＃39; S2＆＃39;这真的是你想要的，但根据你将字母变量翻译成数字变量，这是正确的结果。

如何计算两个Pandas数据帧列之间的协议？

1 个答案: