具有提供的加权率的数据框列的加权平均值答案

【问题标题】：weighted average on a column of dataframe with provided weighted rate具有提供的加权率的数据框列的加权平均值
【发布时间】：2020-11-28 16:11:03
【问题描述】：

    Year    Week_Number DC_Zip  Asin_code
0   2016    1   12206   NaN
1   2016    1   29306   NaN
2   2016    1   33426   NaN
3   2016    1   37206   NaN
4   2016    1   45216   NaN
5   2016    1   60160   NaN
6   2016    1   76110   NaN
7   2016    1   80215   NaN
8   2016    1   84105   NaN
9   2016    1   85034   NaN
10  2016    1   93711   NaN
11  2016    1   98433   NaN
12  2016    2   12206   21.0
13  2016    2   29306   10.0
14  2016    2   33426   11.0
15  2016    2   37206   1.0
16  2016    2   45216   5.0
17  2016    2   60160   7.0
18  2016    2   76110   12.0
19  2016    2   80215   NaN
20  2016    2   84105   2.0
21  2016    2   85034   1.0
22  2016    2   93711   23.0
23  2016    2   98433   7.0
24  2016    3   12206   95.0
25  2016    3   29306   26.0
26  2016    3   33426   51.0
27  2016    3   37206   18.0
28  2016    3   45216   34.0
29  2016    3   60160   30.0
... ... ... ... ...
2778    2020    29  76110   33.0
2779    2020    29  80215   5.0
2780    2020    29  84105   3.0
2781    2020    29  85034   8.0
2782    2020    29  93711   53.0
2783    2020    29  98433   15.0
2784    2020    30  12206   75.0
2785    2020    30  29306   27.0
2786    2020    30  33426   34.0
2787    2020    30  37206   12.0
2788    2020    30  45216   14.0
2789    2020    30  60160   28.0
2790    2020    30  76110   47.0
2791    2020    30  80215   11.0
2792    2020    30  84105   3.0
2793    2020    30  85034   17.0
2794    2020    30  93711   62.0
2795    2020    30  98433   13.0
2796    2020    31  12206   109.0
2797    2020    31  29306   30.0
2798    2020    31  33426   31.0
2799    2020    31  37206   14.0
2800    2020    31  45216   23.0
2801    2020    31  60160   21.0
2802    2020    31  76110   25.0
2803    2020    31  80215   7.0
2804    2020    31  84105   4.0
2805    2020    31  85034   8.0
2806    2020    31  93711   71.0
2807    2020    31  98433   9.0
2808 rows × 4 columns

这是我正在处理的销售数据。我必须在 2016、2017、2018、2019 和 2020 年分别对 Asin_code 和 weighted rate = [5, 5, 20, 30, 40] 执行加权平均。我必须创建一个函数，以便它会给我一个包含 Asin_code 加权平均值的列.“Nan”值应该被删除。我们还应该在未来更改加权率以查看更多的数据模式。任何帮助将不胜感激。

我正在尝试以下代码：

for i in range(len(df.Asin_code)):          
 df["Weighted_avg"]=rate[0]*df.Asin_code[i]/df.Asin_code.loc[(df.Year==2016)].sum()

只是在整合整个 5 年的数据方面遇到了困难。

【问题讨论】：

欢迎来到 SO！你试图做什么？您知道如何处理 Asin_code 列中的 NaN 值吗？
是的，我可能会用每个 dc_zip 每年的平均值来填充它
或者，我会把它算为零。
到目前为止，您尝试过什么？
df['Weighted_average']=rate[for 2016]*Asin_code[i] /sum(Asin_code[for year 2016])

标签： python pandas statistics data-science

【解决方案1】：

将权重定义为dict 而不是list 然后简单使用apply() 就可以了

# define weights for year as a dict
wr = {2016:5, 2017:5, 2018:20, 2019:30, 2020:40}

df["Weighted_avg"] = df.apply(lambda r: 
         # numerator is weight * Asin_code[i]
         ( r["Asin_code"] * wr[r["Year"]]
            /
         # denomimator sum(Asin_code for year)
         df.Asin_code.loc[(df.Year==r["Year"])].sum() ), axis=1)

输出

  Idx  Year  Week_Number DC_Zip  Asin_code  Weighted_avg
   25  2016            3  29306       26.0      0.367232
   26  2016            3  33426       51.0      0.720339
   27  2016            3  37206       18.0      0.254237
   28  2016            3  45216       34.0      0.480226
   29  2016            3  60160       30.0      0.423729
 2778  2020           29  76110       33.0      1.625616
 2779  2020           29  80215        5.0      0.246305
 2780  2020           29  84105        3.0      0.147783
 2781  2020           29  85034        8.0      0.394089
 2782  2020           29  93711       53.0      2.610837

补充更新

更新请求：weighted_average[at index 1]=rate[for year 2016]*Asin_code[at first index of 2016]+rate[for year 2017]*Asin_code[at first index of 2017]+rate[for year 2018]*Asin_code[at first index of 2018]+rate[for year 2019]*Asin_code[at first index of 2019]+rate[for year 2020]*Asin_code[at first index of 2020]

df.dropna().groupby("Year").agg({"Asin_code":"first"}).reset_index()\
    .assign(wa=lambda dfa: 
            dfa.apply(lambda r: r["Asin_code"]*wr[r['Year']],axis=1))["wa"].sum()

【讨论】：

如果我想以另一种方式做任何建议：weighted_average[at index 1]=rate[for year 2016]*Asin_code[at first index of 2016]+rate[for year 2017]* Asin_code[2017 年第一个索引]+rate[2018 年]*Asin_code[2018 年第一个索引]+rate[2019 年]*Asin_code[2019 年第一个索引]+rate[2020 年]*Asin_code[在2020年的第一个索引].....等等
我并没有真正关注 .... 你是说你想要一种更灵活的方式来查找/应用速率到一行？
是的..我只是想总结一下 Asin_code 和他们一年中的费率..你可以按照我上面提到的公式计算。这些公式仅适用于加权平均值中的第一个值列。
同样，第二个值将是 =5*Asin_code[at second index of 2016]+5*Asin_code[at second index of 2017]+20*Asin_code[at second index of 2018]+30* Asin_code[at second index of 2019]+40*Asin_code[at second index of 2020].... 其中 5,5,20,30,40 是 2016,2017,2018,2019 和 2020 年的费率
@LoganDB 我已经更新了 - 系统地遵循你的公式，它可以工作

【解决方案2】：

df["Weighted_avg"] = df.apply(lambda r: ( (r["Asin_code"] *wr[r["Year"]]).sum(axis = 0)), axis=1)

输出

12  2016    2   12206   21.0    105.0
13  2016    2   29306   10.0    50.0
14  2016    2   33426   11.0    55.0
15  2016    2   37206   1.0     5.0
16  2016    2   45216   5.0     25.0
17  2016    2   60160   7.0     35.0
18  2016    2   76110   12.0    60.0
19  2016    2   80215   NaN     NaN
20  2016    2   84105   2.0     10.0
21  2016    2   85034   1.0     5.0
22  2016    2   93711   23.0    115.0
23  2016    2   98433   7.0     35.0
24  2016    3   12206   95.0    475.0
25  2016    3   29306   26.0    130.0
26  2016    3   33426   51.0    255.0
27  2016    3   37206   18.0    90.0
28  2016    3   45216   34.0    170.0
29  2016    3   60160   30.0    150.0
... ... ... ... ... ...
2778    2020    29  76110   33.0    1320.0
2779    2020    29  80215   5.0     200.0
2780    2020    29  84105   3.0     120.0
2781    2020    29  85034   8.0     320.0
2782    2020    29  93711   53.0    2120.0
2783    2020    29  98433   15.0    600.0
2784    2020    30  12206   75.0    3000.0
2785    2020    30  29306   27.0    1080.0
2786    2020    30  33426   34.0    1360.0
2787    2020    30  37206   12.0    480.0
2788    2020    30  45216   14.0    560.0
2789    2020    30  60160   28.0    1120.0
2790    2020    30  76110   47.0    1880.0
2791    2020    30  80215   11.0    440.0
2792    2020    30  84105   3.0     120.0
2793    2020    30  85034   17.0    680.0
2794    2020    30  93711   62.0    2480.0
2795    2020    30  98433   13.0    520.0
2796    2020    31  12206   109.0   4360.0
2797    2020    31  29306   30.0    1200.0
2798    2020    31  33426   31.0    1240.0
2799    2020    31  37206   14.0    560.0
2800    2020    31  45216   23.0    920.0
2801    2020    31  60160   21.0    840.0
2802    2020    31  76110   25.0    1000.0
2803    2020    31  80215   7.0     280.0
2804    2020    31  84105   4.0     160.0
2805    2020    31  85034   8.0     320.0
2806    2020    31  93711   71.0    2840.0
2807    2020    31  98433   9.0     360.0

得到了我的解决方案。

【讨论】：