Question

我有数据框。可以在下面看到一个摘要：

import pandas as pd

data = {'EVENT_ID': [112335580,112335580,112335580,112335580,112335580,112335580,112335580,112335580, 112335582,
                         112335582,112335582,112335582,112335582,112335582,112335582,112335582,112335582,112335582,
                         112335582,112335582,112335582],

     'SELECTION_ID': [6356576,2554439,2503211,6297034,4233251,2522967,5284417,7660920,8112876,7546023,8175276,8145908,
                      8175274,7300754,8065540,8175275,8106158,8086265,2291406,8065533,8125015],

     'BSP': [5.080818565,6.651493872,6.374683435,24.69510797,7.776082305,11.73219964,270.0383021,4,8.294425408,335.3223613,
             14.06040142,2.423340019,126.7205863,70.53780982,21.3328554,225.2711962,92.25113066,193.0151362,3.775394142,
             95.3786641,17.86333041],

      'WIN_LOSE':[1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0]}

df = pd.DataFrame(data, columns=['EVENT_ID', 'SELECTION_ID', 'BSP','WIN_LOSE'])

df.set_index(['EVENT_ID', 'SELECTION_ID'], inplace=True)
df.sortlevel(level=0, ascending=True, sort_remaining=True)

df = pd.DataFrame(data, columns=['EVENT_ID', 'SELECTION_ID', 'BSP','WIN_LOSE'])
df = df.sort_values(["EVENT_ID","BSP"])
df.set_index(['EVENT_ID', 'SELECTION_ID'], inplace=True)

df['Win_Percentage'] = 1/df['BSP']

df['Lose_Percentage'] = 1 - df['Win_Percentage']

对于每个EVENT_ID，因此索引级别为零，我希望基于Lose_Percentage列拟合线，指数，幂和对数的方程。

因此EVENT_ID 112335580的拟合线将基于（1，0.750000），（2、0.803181），（3、0.843129），（4、0.849658），（5、0.871401），（6、0.914764）），（7、0.959506），（8、0.996297）。然后，将对所有其他EVENT_ID索引执行此操作。

要尝试执行此操作，我想将Lose_Percentage列转换为每个EVENT_ID的数组。为此，我尝试了以下操作：我想将Lose_Percentage列转换为每个EVENT_ID的数组。为此，我尝试了以下方法：

df["Lose_Percentage"][112335580].tolist()

我不想只访问一个，我想访问每个Lose_Percentage的{{1}}列中的每个值，并将此列表传递给一个函数。

要使一行适合数据，我可以使用polyfit。所以我需要将数组传递给它。

此外，我看了看如何适应对数，幂和指数行，但找不到能做到这一点的函数

任何帮助，不胜感激。

桑迪

Answer 1

没有必要提取值。首先，您定义一个适合并求值的函数

import cv2
im_A = cv2.imread(path_A, cv2.CV_LOAD_IMAGE_COLOR)

此功能可以分组使用：

def fit_eval(df):
    y = df.values
    x = np.arange(0, len(y)) + 1
    z = np.polyfit(x, y, 1)
    p = np.poly1d(z)
    return p(x)

Answer 2

您可以使用loc-

选择所需的列表

extract = pd.Series(df.loc[112335580]["Lose_Percentage"])
extract.reset_index()

访问不同级别的多级索引，然后将该索引的列转换为数组，然后传递给函数

2 个答案: