Question

我有一个数据框如下：

axis-title

我需要得到：

Member Category Total
1001      1       5  
1001      2       4  
1001      3       9 
1003      1       7
1003      2       5
1003      3       2
1005      1       2 
1005      3       5

即每个成员的总数的平均值。例如，成员1001总共有18个，其中类别1代表总数的27％。因此平均值为0.27。

我尝试的是：

  Member Category Total  Average
    1001      1       5     0.27
    1001      2       4     0.22
    1001      3       9     0.5
    1003      1       7     0.5
    1003      2       5     0.35
    1003      3       2     0.15
    1005      1       2     0.28
    1005      3       5     0.72

但是，它不仅不起作用，而且由于我的数据量非常大，因此速度太慢。

Answer 1

df['ave']=df.groupby('Member').Total.apply(lambda x : x/sum(x))
df
Out[318]: 
   Member  Category  Total       ave
0    1001         1      5  0.277778
1    1001         2      4  0.222222
2    1001         3      9  0.500000
3    1003         1      7  0.500000
4    1003         2      5  0.357143
5    1003         3      2  0.142857
6    1005         1      2  0.285714
7    1005         3      5  0.714286

Answer 2

sum使用transform除以Total列：

df['Average'] = df['Total'] / df.groupby('Member')['Total'].transform('sum')
print (df)
   Member  Category  Total   Average
0    1001         1      5  0.277778
1    1001         2      4  0.222222
2    1001         3      9  0.500000
3    1003         1      7  0.500000
4    1003         2      5  0.357143
5    1003         3      2  0.142857
6    1005         1      2  0.285714
7    1005         3      5  0.714286

详情：

print (df.groupby('Member')['Total'].transform('sum'))
0    18
1    18
2    18
3    14
4    14
5    14
6     7
7     7
Name: Total, dtype: int64

替代解决方案：

df['Average'] = df['Total'] / df['Member'].map(df.groupby('Member')['Total'].sum())

<强>计时：

np.random.seed(123)
N = 100000

L = ['AV','DF','SD','RF','F','WW','FG','SX']
dates = pd.date_range('2015-01-01', '2015-02-20')
df = pd.DataFrame(np.random.randint(100, size=(N, 3)), columns=['Member','Category','Total'])
df = df.sort_values(['Member','Category']).reset_index(drop=True)

#Wen solution
In [395]: %timeit df.groupby('Member').Total.apply(lambda x : x/sum(x))
10 loops, best of 3: 31.2 ms per loop

In [396]: %timeit df['Total'] / df.groupby('Member')['Total'].transform('sum')
100 loops, best of 3: 5.11 ms per loop

#alternative a bit slowier solution
In [397]: %timeit df['Total'] / df['Member'].map(df.groupby('Member')['Total'].sum())
100 loops, best of 3: 9.92 ms per loop

具有行子集的数据帧中的平均值 - Python

2 个答案: