Question

我有一个带有调查数据的数据框，像这样，每一行都是不同的受访者。

weight    race      Question_1      Question_2      Question_3
   0.9   white               1               5               4
   1.1   asian               5               4               3
  0.95   white               2               1               5
  1.25   black               5               4               3
  0.80   other               4               5               2

每个问题的范围是1到5（实际数据中还有几个问题）。对于每个问题，我都在尝试计算回答为5（按种族分组并按权重列加权）的受访者百分比。

我相信以下代码可用于按种族将每个问题的回答百分比设为5。但是我不知道如何通过“重量”列对其进行加权。

df.groupby('race').apply(lambda x: ((x == 5).sum()) / x.count())

我是熊猫新手。有人可以解释一下该怎么做吗？谢谢你的帮助。

编辑：以上数据框的所需输出将类似于以下内容。显然，真实数据具有更多的受访者（行）和更多的问题。

        Question_1      Question_2      Question_3
white         0.00            0.49            0.51
black         1.00            0.00            0.00
asian         1.00            0.00            0.00
other         0.00            1.00            0.00

谢谢。

Answer 1

这里是解决问题1的方法。您可以轻松地将其概括为其他问题。

# Define a dummy indicating a '5 response'
df['Q1'] = np.where(df['Question_1']==5 ,1, 0)

# Create a weighted version of the above dummy
df['Q1_w'] = df['Q1'] * df['weight']

# Compute the sum by race
ds = df.groupby(['race'])[['Q1_w', 'weight']].sum()

# Compute the weighted average
ds['avg'] = ds['Q1_w'] / ds['weight']

基本上，您首先要按种族计算权重和加权5 dummy的总和，然后除以权重之和。这将为您提供加权平均值。

Answer 2

这是通过定义自定义函数并将该函数应用于每列的解决方案。然后，您可以将每一列连接到一个数据框中：

def wavg(x, col):
    return (x['weight']*(x[col]==5)).sum()/x['weight'].sum()

grouped = df.groupby('race')
pd.concat([grouped.apply(wavg,col) for col in df.columns if col.startswith('Question')],axis=1)\
    .rename(columns = {num:f'Question_{num+1}' for num in range(3)})

输出：

        Question_1  Question_2  Question_3
race            
asian   1.0         0.000000    0.000000
black   1.0         0.000000    0.000000
other   0.0         1.000000    0.000000
white   0.0         0.486486    0.513514

熊猫集团通过计算满足一定条件的加权百分比

2 个答案: