使用权重减少数据框

Question

我有一个以下格式的 pandas 数据框，我想减少它。

索引 CITY YEAR MONTH HOUR TEMP DP CC ASTR BSTR 2018-04-10 00:00:00 AAA 2018 4 1 20 10 0 高清光伏 2018-04-10 01:00:00 AAA 2018 4 2 10 10 10 fg pv ... 2018-04-10 00:00:00 BBB 2018 4 1 30 20 5 简历 2018-04-10 01:00:00 BBB 2018 4 2 20 20 5 高清 fd ... 2018-04-10 00:00:00 CCC 2018 4 1 20 30 10 cv fd 2018-04-10 01:00:00 CCC 2018 4 2 10 10 5 df ee ...

那么输出应该是这样的：

索引 YEAR MONTH HOUR TEMP DP CC ASTR BSTR 2018-04-10 00:00:00 2018 4 1 24 20 5 简历 2018-04-10 01:00:00 2018 4 2 14 14 6.5 高清 fd ...

其中 TEMP、DP 和 CC 列是每个唯一索引的每个 CITY 值的加权平均值（索引是日期时间），而 ASTR 和 BSTR 只是 BBB 的值。 YEAR、MONTH 和 HOUR 应该保持不变。 上述示例的权重可以由以下字典给出： 权重 = {“AAA”：0.3，“BBB”：0.4，“CCC”：0.3}

我的实际数据中包含多个城市超过 4 年的每小时数据，因此我需要一些帮助，想出一个有效的解决方案，谢谢！

Answer 1

给定以下数据框：

df = pd.DataFrame([['2018-04-10 00:00:00',  'AAA',    2018,   4,       1,      20,     10,   0,    'hd',     'pv'],
                ['2018-04-10 01:00:00',  'AAA',    2018,   4,       2,      10,     10,   10,   'fg',     'pv'],
                ['2018-04-10 00:00:00',  'BBB',    2018,   4,       1,      30,     20,   5,    'cv',     'er'],
                ['2018-04-10 01:00:00',  'BBB',    2018,   4,       2,      20,     20,   5,    'hd',     'fd'],
                ['2018-04-10 00:00:00',  'CCC',    2018,   4,       1,      20,     30,   10,   'cv',     'fd'],
                ['2018-04-10 01:00:00',  'CCC',    2018,   4,       2,      10,     10,   5,    'df',     'ee']],
                columns = ['Index','CITY','YEAR','MONTH','HOUR','TEMP','DP','CC','ASTR','BSTR'])

还有权重：

weights = {"AAA" : 0.3, "BBB" : 0.4, "CCC" : 0.3}

您可以执行以下操作：

w_a = lambda x: np.average(x, weights=list(weights.values()))
new = df.groupby('Index').agg({'TEMP': w_a, 'DP': w_a, 'CC': w_a})
new = new.join(df[df['CITY']=='BBB'][['Index','YEAR','MONTH','HOUR','ASTR','BSTR']].set_index('Index'), on='Index')

这给出了：

                     TEMP  DP   CC  YEAR  MONTH  HOUR ASTR BSTR
Index                                                          
2018-04-10 00:00:00    24  20  5.0  2018      4     1   cv   er
2018-04-10 01:00:00    14  14  6.5  2018      4     2   hd   fd

请注意，此解决方案假定您的 weights 字典中的键的提供顺序与原始 df 的 CITY 列中城市出现的顺序相同（即按字母顺序排序）。