Question

让dfList = [df0, df1, df2, df3, df4]是具有相同列和索引的熊猫数据框的列表。

我想对它们进行平均，但是某些数据框对于某些行而言是离群值。

我有一个非异常值列表：myList = [ [0,1] , [1,2,3], [0,2,4] ]显示了应为每一行取平均的数据帧。

所以

result.iloc[0,:] = average( df0.iloc[0,:] , df1[0,:] )
result.iloc[1,:] = average( df1.iloc[1,:] , df2.iloc[1,:] , df3.iloc[1,:] )
result.iloc[2,:] = average( df0.iloc[2,:] , df2.iloc[2,:] , df4.iloc[2,:] )

如何根据dfList和myList计算上述平均值？

Answer 1

这基本上会尖叫矩阵乘法！这应该适合您的情况：

import pandas as pd, numpy as np
df1 = pd.DataFrame([[0,1,2],[1,2,4],[1,1,1],[1,1,1]])
df2 = pd.DataFrame([[10,10,10],[1,2,4],[1,1,1],[0,0,0]])
df3 = pd.DataFrame([[1,1,1],[1,2,4],[1,1,1],[0,0,0]])
df_list = [df1,df2,df3]

arr = np.stack(df_list)
print(arr)

lst = [[0,1],[1,2],[0,1,2],[0]]
_max = len(df_list)

mult = []
for _ in lst:
  _lst = []
  for i in range(_max):
    if i in _:
      _lst.append(1)
    else:
      _lst.append(0)
  mult.append(_lst)

mult = np.array(mult)
print(mult)
mult = (mult.T/np.sum(mult,axis=1)).T
print(mult)

result = np.einsum('jik,ij->ik',arr,mult)
print(result)

熊猫数据帧的平均列表，应根据条件对哪些行进行平均

1 个答案: