计算大熊猫数据框上的统计信息

Question

我有以下数据框：

Name   Date   Measurement  Lower     Upper 
blue   N/A     1.2         .2           1
blue   N/A     1.4         .2           1
red    N/A     2.2         .2           1
orange N/A     1.6         .2           1
purple N/A     3.2         .2           1
.
.
.

使用 df = df_old.groupby(['color']).agg({'Measurement':['mean',std']}) 我得到了新的数据框；

       Measurement
Name    mean   std
blue    2.4    .021
orange  1.5    .011
purple  2.2    .023
red     2.1    .054

我还想计算CpK并将其作为列添加到数据框中，如下所示：

       Measurement
Name    mean   std    cpk
blue    2.4    .021    1.2
orange  1.5    .011    .21
purple  2.2    .023    .23
red     2.1    .054    .24

我无法使用agg（）函数找到某种方法，例如.agg（'cpk'）...

Answer 1

我建议创建一个自定义函数，该函数使用apply返回一系列均值，std和特定函数（如cpk）：

import numpy as np
def f(x):
    d={}
    mu=x['Measurement'].mean()
    std=x['Measurement'].std()
    USL=x.Upper.values[0]
    LSL=x.Lower.values[0]
    cpk=np.min([(USL-mu)/(3*std),(mu-LSL)/(3*std)])
    d['Measurement_mean']=mu
    d['Measurement_std']=std
    d['Measurement_cpk']=cpk
    return pd.Series(d, index=['Measurement_mean', 'Measurement_std',
                                      'Measurement_cpk'])

df=df_old.groupby(['Name']).apply(f)

我将标准公式用于正态分布数据的cpk计算，该公式仅对处于统计控制状态的过程有效。