Question

df的示例子集：

                Category    Weight  Test
1/21/2017       SuperMarket 0.02    Nan
1/21/2017       SuperMarket 0.18    Nan
1/21/2017       SuperMarket 0.71    Nan
1/21/2017       Hotel       0.53    Nan
1/21/2017       Hotel       0.93    0.93
1/21/2017       Hotel       0.97    Nan
1/21/2017       Bar         0.13    Nan
1/21/2017       Bar         0.31    Nan
1/21/2017       Bar         0.96    Nan
1/21/2017       Bar         0.65    0.65
1/21/2017       Bar         0.27    0.27
1/21/2017       Bar         0.24    Nan
1/21/2017       Hospital    0.65    0.65
1/21/2017       Hospital    0.90    0.90
1/21/2017       Hospital    1.00    1.00

新列df['Adjusted_weight']将根据3个条件分配值：

如果任何日期和类别df['Test']仅包含Nans，则df['Adjusted_weight'] = df['weight']
如果任何日期和类别df['Test']仅包含值（无Nans），则df['Adjusted_weight'] = df['weight']
最后，如果对于任何日期和类别，如果df['Test']包含值和Nans，则：

i）对于df['Test'] = Nan，df['Adjusted_weight'] = df['weight'] * 0.5

ii）对于df['Test'] = value的位置，然后df['Adjusted_weight'] = df['weight'] + SUM (df['weight'] - df['adjusted_weight'] ) / number of non Nan values个非Nans的数量为NaN的*。

在第ii）部分中，我们正在调整调整后的权重，其中有值，以便调整后的权重（第3部分）的总和等于权重之和（对于特定日期和类别）

示例输出：

                Category    Weight  Test    Adjusted Weight
1/21/2017       SuperMarket 0.02    Nan        0.02
1/21/2017       SuperMarket 0.18    Nan        0.18
1/21/2017       SuperMarket 0.71    Nan        0.71
1/21/2017       Hotel       0.53    Nan        0.265
1/21/2017       Hotel       0.93    0.93       1.68
1/21/2017       Hotel       0.97    Nan        0.485
1/21/2017       Bar         0.13    Nan        0.07
1/21/2017       Bar         0.31    Nan        0.16
1/21/2017       Bar         0.96    Nan        0.48
1/21/2017       Bar         0.65    0.65       1.06
1/21/2017       Bar         0.27    0.27       0.68
1/21/2017       Bar         0.24    Nan        0.12
1/21/2017       Hospital    0.65    0.65       0.65
1/21/2017       Hospital    0.90    0.90       0.90
1/21/2017       Hospital    1.00    1.00       1.00

我为 1/21/2007 填充酒店的示例。哪里有2个Nans和1个值。因此，对于2 Nans，在调整后的重量，它只是df['weight'] * 0.5。

现在有一个值，只有0.93 + (0.53 - 0.265) + (0.97 - 0.485) = 1.68。

只是添加了部分

对于 Bar 的示例，有4个Nan值df['Adjusted weight'] = 0.5* df['weight']。现在，1/21/2017 Bar有两个值。它们都需要将权重添加到df ['adjusted_weight']，以便总和等于1/21/2017 Bar的df ['weight']。因此，计算为（0.13 -0.07）+（0.31-0.16）+（0.96-0.48）+（0.24-0.12）= 0.82，因为有两个值要分配，0.41将被添加到0.65和0.27等于1.06和0.68。

我们可能有任何数量的Nans和值，或者只有Nans和只有值。

基本目标是在有价值的日期和类别中进行扩展，并确保该框中的权重（日期，类别）与以前相同。

我有很多日期，数据比显示的要大得多。感谢。

Answer 1

您可以定义在分组后传递给apply的功能，以完成所有计算。

def f(x):
    count = x.Test.count()
    size = x.Test.size
    if count == 0 or count == size:
        return x.Weight
    else:
        adj_null = x.Weight * x.Test.isnull() * .5
        notnull = x.Test.notnull()
        distribute = adj_null.sum() / notnull.sum()
        adj_notnull = (x.Weight + distribute) * notnull
        return adj_null + adj_notnull

df['Adjusted Weight'] = df.groupby([pd.TimeGrouper('D'), 'Category'], sort=False).apply(f).values

               Category  Weight  Test  Adjusted Weight
2017-01-21  SuperMarket    0.02   NaN            0.020
2017-01-21  SuperMarket    0.18   NaN            0.180
2017-01-21  SuperMarket    0.71   NaN            0.710
2017-01-21        Hotel    0.53   NaN            0.265
2017-01-21        Hotel    0.93  0.93            1.680
2017-01-21        Hotel    0.97   NaN            0.485
2017-01-21          Bar    0.13   NaN            0.065
2017-01-21          Bar    0.31   NaN            0.155
2017-01-21          Bar    0.96   NaN            0.480
2017-01-21          Bar    0.65  0.65            1.060
2017-01-21          Bar    0.27  0.27            0.680
2017-01-21          Bar    0.24   NaN            0.120
2017-01-21     Hospital    0.65  0.65            0.650
2017-01-21     Hospital    0.90  0.90            0.900
2017-01-21     Hospital    1.00  1.00            1.000

基于1条件的新列使用索引和一列groupby

1 个答案: