Question

我有一个如下所示的数据框。

Category     Actual       Predicted
1            1            1
1            0            1
1            0            0
1            0            0
2            1            1
2            1            0
2            0            0
2            0            1
3            1            1
3            0            1
3            0            0
3            0            1

根据以上内容，我想计算出每个类别1、2和3的召回率，如下所示。

预期输出：

Category    Recall_for     Recall
1           0              66.7
1           1              100
2           0              50
2           1              50
3           0              33.3
3           1              100

说明：

对于类别= 1，实际= 1，有1种情况为真（与“预测”匹配），因此召回率= 1/1 * 100 = 100

对于类别= 1，实际= 0，有3种情况，只有2种为真（与Predicted相匹配），因此召回= 2/3 * 100 = 66.7，依此类推。

Answer 1

将两个列都与Series.eq进行比较，通过DataFrame.assign设置新列，然后聚合mean（True的处理方式与1相似）并且最后多个和必要时取整值：

s = df['Predicted'].eq(df['Actual'])
df = (df.assign(Recall=s)
        .groupby(['Category','Actual'])['Recall']
        .mean()
        .mul(100)
        .round(1)
        .reset_index()
        .rename(columns={'Actual':'Recall_for'}))
print (df)
   Category  Recall_for  Recall
0         1           0    66.7
1         1           1   100.0
2         2           0    50.0
3         2           1    50.0
4         3           0    33.3
5         3           1   100.0

Groupby召回熊猫

1 个答案: