Question

我有几个具有相同形状/类型的数据帧，但数值略有不同。我可以通过以下方法轻松生成具有所有输入数据帧平均值的新数据帧：

df = pd.concat([input_dataframes])
df = df.groupby(df.index).mean()

我想对调和均值（可能是scipy.stats.hmean函数）做同样的事情。我尝试使用以下方法执行此操作：

.groupby(df.index).apply(scipy.stats.hmean)

但这改变了数据帧的结构。有没有更好的方法来做到这一点，还是我需要使用更长的/手动实现？

举例说明：

df_input1:
   'a' 'b' 'c'
'x' 1   1   2 
'y' 2   2   4 
'z' 3   3   6

df_input2:
   'a' 'b' 'c'
'x' 2   2   4 
'y' 3   3   6 
'z' 4   4   8

desired output (but w/ hmean):
   'a'  'b'  'c'
'x' 1.5  1.5  3 
'y' 2.5  2.5  5 
'z' 3.5  3.5  7

Answer 1

创建一个pandas面板，并在'item'轴上应用调和平均函数。

您的数据框df1和df2的示例：

import pandas as pd
from scipy import stats

d = {'1':df1,'2':df2}
pan = pd.Panel(d)
pan.apply(axis='items',func=stats.hmean)

的产率：

        'a'         'b'         'c'
'x'     1.333333    1.333333    2.666667
'y'     2.400000    2.400000    4.800000
'z'     3.428571    3.428571    6.857143

在不同的熊猫数据帧中找到调和平均值的有效函数

1 个答案: