Question

我有两个非常大的DataFrame，它们之间的关系如下。第一个DataFrame以ID作为索引，并指定Min和Max。第二个DataFrame为每个ID提供一堆分数和价格。

对于每个ID，我想找到与该max的{{1}}和min scores之间的得分相对应的平均价格。

一个例子：

ID

我想要的输出是

dt = [[1,3],[0,2],[1,3],[0,3],[1,4]]

df = pd.DataFrame(dt, columns = ['Min score','Max score'],index=[1,2,3,4,5])

dt_2 = [[1,1,10],[1,4,12],[1,3,20],[1,1,3],[2,3,2],[2,1,4],[3,1,7],[3,2,9],[3,2,3],[4,4,4],[4,2,3],[4,1,2],[5,1,1],[5,3,5],[5,5,5],[5,0,10]]

df_2 = pd.DataFrame(dt_2,columns = ['ID','score','price'])

例如，对于ID Avg 1 11 2 4 3 6.33 4 2.5 5 3，ID=1和min score=1，仅价格10、20和3是相关的。这些平均值是11。

是否有内置的熊猫函数可以处理此问题？任何帮助表示赞赏。谢谢。

Answer 1

将pandas.DataFrame.groupby与Series.between一起使用：

new_df = df_2.groupby("ID").apply(lambda x: x["price"][x["score"].between(*df.loc[x.name])].mean())
print(new_df)

输出：

ID
1    11.000000
2     4.000000
3     6.333333
4     2.500000
5     3.000000
dtype: float64

已添加：

x.name：groupby对象的组密钥的值，即ID中的df_2，用作df
df.loc[x.name]：基于来自Min Score的{{1}}的{{1}}和Max Score值
ID：将两个值（最小分数和最大分数）解压缩到df_2中，以填充*df.loc[x.name]和pandas.Series.between参数。

Answer 2

您在这里：

df_3 = pd.merge(df_2, df, left_on="ID", right_index=True, how="left")
df_3[
    (df_3.score >= df_3.loc[:, "Min score"]) & (df_3.score <= df_3.loc[:, "Max score"])
].groupby("ID").price.mean()

Answer 3

我将通过重置索引并将其重命名为“ ID”列，然后合并两个命名为new_df的数据框，使数据框准备好进行合并：

new_df = df.reset_index().rename(columns={'index':'ID'}).merge(df_2,on='ID')

然后，我将执行以下.loc以确保您仅具有min_score和max得分：

min_max_df = new_df.loc[(new_df['score'] >= new_df['Min score'])&(new_df['score']<=new_df['Max score'])]

然后我将groupby（）pandas方法与.mean（）一起使用来获取平均值：

min_max_df.groupby('ID').mean()

这将导致结果：

        Min score  Max score     score      price
ID                                           
1         1.0        3.0  1.666667  11.000000
2         0.0        2.0  1.000000   4.000000
3         1.0        3.0  1.666667   6.333333
4         0.0        3.0  1.500000   2.500000
5         1.0        4.0  2.000000   3.000000

Answer 4

只需在ID过滤器上与.loc合并适当的行，并使用.groupby作为均值。

dt = [[1,3],[0,2],[1,3],[0,3],[1,4]]
df = pd.DataFrame(dt, columns = ['Min score','Max score'],index=[1,2,3,4,5])
df = df.reset_index().rename({'index' : 'ID'}, axis=1)
dt_2 = [[1,1,10],[1,4,12],[1,3,20],[1,1,3],[2,3,2],[2,1,4],[3,1,7],[3,2,9],[3,2,3],[4,4,4],[4,2,3],[4,1,2],[5,1,1],[5,3,5],[5,5,5],[5,0,10]]
df_2 = pd.DataFrame(dt_2,columns = ['ID','score','price'])
df_new = pd.merge(df_2, df, how='left', on='ID')
df_final = df_new.loc[(df_new['Min score'] <= df_new['score']) & (df_new['score'] <= df_new['Max score'])]
df_final = df_final.groupby('ID')['price'].mean().reset_index().rename({'price' : 'Avg'}, axis=1)
df_final

在满足特定条件的熊猫行之间进行简单的计算

4 个答案: